1回答
TFLearn时间序列预测
、、、、
在定义我的神经网络并训练我的模型之后：tnorm = tflearn.initializations.uniform')
我现在遇到了一个问题，我发现做时间序列预测的大部分教程都使用了测试集来预测(他们将测试集给了.predict())。问题是，实际上我们并不知道这一点，因为这是我们想要预测的。如何预测下一个x值？我想我在某个地方看到过，为了预
浏览 2提问于2017-07-27得票数 1
回答已采纳
我正在尝试创建一个lstm来生成音乐序列。训练数据是大小为4的向量序列，表示要训练的歌曲中每个音符的各种特征(包括MIDI音符)。从我的阅读来看，我想做的似乎是，对于每个输入样本，输出样本是下一个大小为4的向量(也就是说，它应该尝试预测给定当前一个向量的下一个注释，并且由于LSTM包含了前面的样本知识)。我正在使用tflearn，因为我对RNN仍然非常陌生。)net = tflearn.lstm(net, 128)
net
浏览 4提问于2016-04-09得票数 2
回答已采纳
我试图预测基于标志的序列和，但我的模型无法收敛。
对于每个时间戳，如果第二个数字顺序为1，则包括第一个元素。我正在尝试使用tflearn的lstm，但是结果似乎不是很好。
浏览 0提问于2021-07-27得票数 0
我对神经网络非常陌生，这就是为什么我决定使用Tflearn，因为它非常直观。然而，我找不到我的问题的答案。tflearn文档给出了让深度神经网络预测某些东西的示例：model = DNN(network)model.predict目前，它基本上类似于tflearn.org中的示例：net =
浏览 4提问于2018-07-09得票数 1
在教程之后，我构建了一个深度神经网络来预测的生存。我希望使用TFLearn模型，就像使用TensorFlow模型一样。
net = tflearn.input_data(shape=[None, 6])
net = tflearn.ful
浏览 3提问于2017-02-20得票数 0
我想预测利率，我有一些相关的因素，如股票指数和货币供应量，诸如此类。因素的数量可能高达200个。net = tflearn.fully_connected(net,
浏览 2提问于2017-11-11得票数 0
回答已采纳
2回答
., 0, 0, 0]])我用TFLearn处理了它；hidden1dropout1 = tflearn.dropout(hidden1,0.8)
top_k=tflearn.metri
浏览 4提问于2017-06-17得票数 0
回答已采纳
1回答
我是TFLearn的新手，我正在尝试一种简单的神经网络来预测给定输入数组时的输出数组值。在示例代码中，我使用了两个大小为9的随机数组。当't_y‘数组作为输入时，我需要训练网络来预测't_x’数组。代码会运行，但预测效果非常差。代码改编自TFLearn found 的MNIST示例from random import ran
浏览 1提问于2017-01-10得票数 0
我的输入数据由10个样本组成，每个样本都有200个时间步骤，而每个时间步骤由一个30维的向量描述。此外，每个时间步骤由一个三维矢量(一个热编码)组成，它描述在特定时间步骤中所采取的行动。话虽如此，我正试图建立一个模型，在之前的所有行动中得到充分的支持，然后预测接下来采取哪一种行动是最好的。import numpy as npimport tf
浏览 1提问于2017-12-13得票数 0
# Define model and setup tensorboard# Startmodel.tflearn.data-00000-of-00001model.tflearn.meta为了测试目的，我想使用在不同迭代中构建的模型错误
我知道加载了一个模型，但是我
浏览 0提问于2018-05-07得票数 0
回答已采纳
我使用tflearn的mnist数据集来预测手写数字。
一切正常，但我的标签是one_hot。tflearn中是否有与Tensorflow中的argmax()相同的函数？
浏览 4提问于2017-05-11得票数 0
作为深层次学习世界的新手，在阅读了许多理论之后，我试图了解神经网络是如何实际学习的，所以我提供了一个简单的数据集，其中输入列是[x，x+y.]和输出列[x/(x+y).]并且尝试使用tflearn，但即使经过无数次尝试即使在最小化之后(在添加tanh层之后)，网络预测也是遥不可及的。有人能帮我吗？下面是密码。neural_net = tflearn.input_data(shape=[None, 2])
neural_net = tflearn.fully_connected(neural_net, 1,=0.
浏览 0提问于2018-02-08得票数 0
回答已采纳
有没有一个好方法可以将使用tflearn.DNN类构建的模型部署到Google Cloud ML引擎？似乎SavedModel需要在预测签名定义中定义输入和输出张量，但不确定如何从tflearn.DNN获得。
浏览 0提问于2017-07-17得票数 0
1回答
import tensorflow as tftraining_iters = 3000([None, width, height])net = tflearn.fully_connected(net, classes, activation='softmax')
net = tflearn.re
浏览 16提问于2017-08-04得票数 0
net = tflearn.input_data(shape=[None, 54])net = tflearn.fully_connected(net, 32)net = tflearn.fully_connected(net, 2, activation='softmax')
net = tflearn.re
浏览 4提问于2016-12-10得票数 0
回答已采纳
1回答
使用tflearn，我正在尝试对图像进行分类。我的代码是dataset_file = 'my_dataset.txt'
net = tflearn.fully_connected(net, 2, activation='linear')
net = tflearn.regression然而，
浏览 3提问于2016-10-17得票数 1
1回答
我正在尝试建立一个LSTM网络，它获取一个序列并对每个序列中的最后一个时间步骤进行分类。model.fit(trainX, trainY, validation_set=(testX,testY), show_metric=True, batch_size=None)
我的数据被塑造成大量的序列，每个序列有64个时间步长。每个时间步骤有17个特性。第一个序列是时间步骤0至63，第二个序列是时间步骤1
浏览 2提问于2017-12-12得票数 1
我在这里删除了这段代码：试图预测给定的问题是否是两种类型中的一种。#layer?net = tflearn.fully_connected(net,8)net = tflearn.fully_connected(net, len(train_y[0]),activation='softmax')
net = tflearn.
浏览 2提问于2018-01-11得票数 0
回答已采纳
由一个输入层、两个隐层和一个输出层组成.它是用tflearn创建的。def createNetwork(self):
inputs = tflearn.input_data(shape=[None, 3])(minval=-0.003, maxval=0.003)
output = tflearn.fully_connected(net, 1, activation='tanh', weights_init=weight_init_final)
浏览 1提问于2018-12-07得票数 0
回答已采纳
2回答
我以0.96的精度训练了我的神经网络，但现在我不确定如何预测一个值。 net = tflearn.fully_connected(net, 100, activation='ReLU') net = tflearn.regression(net, optimizer='sgd'
浏览 0提问于2017-04-03得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
