1回答
我目前正在使用这个实现(在我的自动编码器RNN网络中，1个输入=1个编码器，2个输出=2个解码器)：但这不管用。我知道在Sequential Model中可以有可变的序列长度，但是在函数式keras API中不可以吗？因为我真的需要两个输出解码器...有人能帮上忙吗？
浏览 7提问于2020-11-15得票数 0
1回答
tf.nn.dynamic_rnn似乎遭到了反对：
我已经签出了keras.layers.RNN(单元格)，它说它可以使用掩蔽，我假设它可以替代dynamic_rnn的sequence_length该层支持用<em
浏览 2提问于2019-03-20得票数 3
回答已采纳
我的问题是：和keras.layers.RNN(cell)真的像文档中所说的一样吗？它特别指出：
但是，在可变序
浏览 3提问于2019-03-04得票数 17
回答已采纳
阅读用于LSTM单元的Keras文档时，它期望单元的time_step数量是固定的。然而，我正在处理的数据对于每个类别都有不同数量的帧。我认为我可以挑选出最长的一个，并用开始帧或最终帧填充其余的帧，但我认为模型会偏向于具有相似帧的模型。有没有一种方法可以将具有不同time_step的输入数据馈送到Keras中的LSTM单元中？我可以在序列的开头和
浏览 4提问于2019-03-17得票数 0
2回答
我正在构建一个RNN (LSTM/GRU)，并且我有可变长度的时间序列。如何在完成每个时间序列之后重置状态变量？我想在Keras中这样做，但是如果我必须在Theano (我的后端)构建一个RNN，那也很好。
浏览 5提问于2016-08-15得票数 0
回答已采纳
然而，这似乎是一个不必要的限制(我不太熟悉Keras/TensorFlow，所以我从一个不特定于任何API的角度提出问题)。，因为可变长度序列是RNN的一个应用，这个问题归结为，为什么在训练过程中不能有一个可变的时间步骤，给定一个批？。以下是让我质疑分批缺少可变长度序列的原因：
1)数据条目，无论它们属于多大的
浏览 0提问于2018-08-25得票数 1
1回答
从RNN中可以得到可变的输出长度，即input_seq_length != output_seq_length吗？下面是一个示例，显示LSTM输出形状、test_rnn_output_v1默认设置--仅返回最后一步的输出，test_rnn_output_v2返回所有步骤的输出，即我需要类似于test_rnn_output_v2的输出，但具有输出形状(None, variable_seq_length, rnn
浏览 6提问于2020-04-20得票数 1
回答已采纳
现在我有了两个长度可变的序列(像语音而不是文本)，我想利用RNN来衡量它们之间的相似性。RNN能做到这一点吗？我不想为任何建议显式地定义距离.Thanks：)
浏览 8提问于2018-07-30得票数 0
1回答
我在本教程中阅读了LSTM自动编码器：，并粘贴了下面相应的keras实现：from keras.modelsModel(inputs, decoded)在这个实现中，他们将输入固定为形状(timesteps，input_dim)，这意味着时间序列数据的长度固定为如果我没记错的话，RNN</em
浏览 4提问于2017-09-29得票数 5
回答已采纳
在pytorch中，我们可以给出一个填充序列作为RNN的输入。从中，RNN的输入可以如下所示。
packed = torch.nn.utils.rnn.pack_padded_sequence(embedded, input_lengths)
outputs, hidden =
浏览 0提问于2017-07-06得票数 14
回答已采纳
2回答
我正在研究https://www.tensorflow.org/tutorials/text/text_generation上的一个Keras示例 这个模型是这样构建的： def build_model(vocab_size, embedding_dim, rnn_units, batch_size): tf.keras.layers.Embedding(
浏览 18提问于2020-10-31得票数 1
回答已采纳
结构：如其所述：
特别地，我们将从每个循环编码器中学习到的嵌入向量集成到一个新的结论嵌入向量中，共同考虑具有不同⟨α，β⟩配置的各种时间序列模式。据我所知，它使用多个独立的rnn单元来处理不同的时间序列，然后将所有的隐藏状态连接在一起，形成一个3D输入，该输入可以使用2d conv提取特征。但我没有看到有办法在同一层创建多个rnn细胞，我是否误解了？？如果没有，你能给我一个指南或例子吗？
浏览 0提问于2020-11-20得票数 1
回答已采纳
我有一个由不同长度的时间序列组成的数据集。, ts2, ..., ts200] 这些时间序列的标签为1，如果良好，则标签为0。='softmax') ]) 第一个卷积层的输入形状中的4对应于每个时间序列中的列数是恒定的(可以将其视为有4个传感器返回不同操作的测量结果)。我们的目标是分类一个时间序列是好是坏(0或1)，但是我不知
浏览 56提问于2019-06-26得票数 4
2回答
我用Keras创建了基本的神经网络。利用数据向量和相应的输出数据，即两个元素的向量，成功地对网络进行了训练。它表示一个坐标(x，y)。所以，在数组中，出现了一个数组。问题是，我无法使用训练数据，其中一个输入向量应该对应于多个坐标。实际上，我想要一个坐标向量作为输出，而不需要事先知道坐标的数目。Sequential()model.add(Dense(10))模型摘要显示了每个层
浏览 4提问于2017-05-09得票数 6
回答已采纳
1回答
我在tensorflow训练RNN。使用的函数是来自的"rnn“。outputs, states = rnn.rnn(cell, inputs, initial_state=initial_state, sequence_length=seq_length)
我之所以使用这个函数是因为我的数据序列的长度是可变的
浏览 4提问于2016-06-29得票数 1
回答已采纳
2回答
我正试着开始学习RNN，我正在使用Keras。我理解普通RNN和LSTM层的基本前提，但是我很难理解特定的训练技术要点。在角化酶(文件)中，它表示RNN层的输入必须具有形状(batch_size, timesteps, input_dim)。这表明所有的训练示例都有固定的序列长度，即timesteps。我可能想让RNN对不同长度的句子进行操作。当
浏览 0提问于2018-01-06得票数 120
2回答
我正在学习粗糙张量及其在粒子跟踪中的应用。我有以下最小的例子，它再现了我一直在经历的错误。import tensorflow as tffromNotOkStatusException as e:
InvalidArgumentError: Invalid input_h shape: [1,8,8] [10,8,8] [Op:CudnnRNNV3] 10指的
浏览 28提问于2020-12-14得票数 0
2回答
我正在尝试制作一个聊天机器人，它使用序列序列模型来响应用户的输入。问题是，给模型的输入序列几乎永远不会相同。输入序列是一个单词列表。我已经创建了一个词汇表，将这个序列中的每个单词映射到它自己的唯一id，但是，输入仍然是可变的，而且不是固定的，所以我不能仅仅使用序列来进行序列模型。我知道，可以使用</em
浏览 4提问于2016-11-11得票数 4
回答已采纳
是否有一种方法可以使用经过训练的RNN (SimpleRNN或LSTM)模型来生成Keras中的新序列？
我试图修改课程深度学习专业- 课程中的一个练习，在该课程中，您训练一个RNN生成恐龙的名字。在本练习中，您只使用numpy构建RNN，但我想使用Keras。其中一个问题是序列的长度不同(dino名称)，因此
浏览 1提问于2019-11-19得票数 1
回答已采纳
我试图在Keras上建立一个神经网络，它看起来像这样：x_1，x_2，..。是经历同样变换的输入向量。f本身是一个必须学习其参数的层。序列长度n在实例之间是可变的。我在考虑一个二维张量，形状(number_of_x_inputs，x_dimension)，其中x_dimension是单个向量$x$的长度。这样的二维张量能有可变的形状吗？我知道张量可以有可变</e
浏览 1提问于2018-02-15得票数 2
云服务器
ICP备案
腾讯会议
云直播
对象存储
腾讯云开发者
