Tensorflow预测序列:什么是X和Y？
在TensorFlow中，预测序列是指使用机器学习模型对给定的输入序列进行预测或推断。在这个上下文中，X和Y通常是指输入序列和输出序列。
- X：输入序列，也称为特征序列，是模型用来进行预测的数据。它可以是一维或多维的数据，具体取决于问题的要求和数据的特征。例如，在自然语言处理中，X可以是一个文本序列，而在时间序列预测中，X可以是一个时间序列。
- Y：输出序列，也称为目标序列，是模型预测的结果。它可以是连续值或离散值，具体取决于问题的类型。例如，在语言翻译任务中，Y可以是一个文本序列，而在股票价格预测中，Y可以是一个连续的数值序列。
TensorFlow提供了丰富的API和工具，用于构建和训练序列预测模型。其中包括循环神经网络（RNN）和长短期记忆网络（LSTM）等常用的序列模型。通过使用这些模型，可以根据给定的X序列预测出相应的Y序列。
以下是一些TensorFlow相关的产品和链接，可以用于实现序列预测任务：
- TensorFlow官方网站：https://www.tensorflow.org/
- TensorFlow模型优化工具：https://www.tensorflow.org/model_optimization
- TensorFlow Extended（TFX）：https://www.tensorflow.org/tfx
- TensorFlow Serving：https://www.tensorflow.org/tfx/guide/serving
- TensorFlow Lite：https://www.tensorflow.org/lite
- TensorFlow.js：https://www.tensorflow.org/js
请注意，以上链接仅供参考，具体的产品选择应根据实际需求和情况进行评估。
相关·内容
我有一个张量，它需要使用tensorflow LSTM/RNN预测序列中的下一个元素，同时考虑前面的5个元素。我应该在X和Y中输入什么？
从1 2 3 4 5开始，我想预测6
假设我的输入序列X是：
X = 1 2 3 4 5
6 7 8 9 10
11 12 13 14 15
...
我的Y是：
Y = 2 3 4 5 6
7 8 9 10 11
12 13 14 15 16
... ?
或者我应该喂它：
X = 1 2 3 4 5
2 3 4 5 6
3 4 5 6 7
....
我的Y是：
Y = 6
浏览 14提问于2017-03-13得票数 2
回答已采纳
我正在研究RNN语言模型的代码。对于1)如何构造训练对(x，y)以及随后如何计算2)，我感到困惑。代码借用了Tensorflow RNN教程(阅读器模块)。
在读取器模块中，定义了一个生成器。它接受数据作为一个序列，根据批处理大小和希望“展开”RNN的步骤数生成 x，y对。最好先看一下整个定义，但让我感到困惑的是：
for i in range(epoch_size):
x = data[:, i*num_steps:(i+1)*num_steps]
y = data[:, i*num_steps+1:(i+1)*num_steps+1]
yield (x, y)
它被记录为：
*
浏览 0提问于2016-09-07得票数 0
我正在用C++编写一个TensorFlow服务客户端，它位于数据库服务器内，并使TensorFlow模型可用作数据库过程。整个机器根据它通过GetModelMetaData请求/响应机制从TensorFlow服务模型服务器检索的响应，自动配置数据类型和数据库表与输入和输出张量之间的必要转换。
到目前为止，我已经使用“原始”输入张量与各种模型(Inception_v3、各种回归模型)进行了交谈。我所说的“原始”是指输入张量的值是模型请求的普通数据类型，而不是包装为tf.example记录的值。
为了进行说明，请看TensorFlow服务示例部分中的"half_plus_two“模型。它期
浏览 3提问于2017-07-13得票数 1
1回答
生成预测列表
、、、
有了Tensorflow，有没有一种方法来输出网络预测？
我的输出已经对12个类使用了One Hot表示
[1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0]
[0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0]
[0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0]
etc...
在尝试从我的模型中获取给定输入的预测时，我运行了以下代码
prediction=tf.argmax(y,1)
best = sess.run([prediction],feed_dict={x: batch_x, y: batch_y,
浏览 0提问于2018-11-07得票数 4
3回答
我想预测某些每周可预测的值(低信噪比)。我需要预测一年中每周形成的整个时间序列(52个值-图1)。
我的第一个想法是使用TensorFlow上的Keras开发一个多到多的LSTM模型(图2)。我用52个输入层(前一年给定的时间序列)和52个预测输出层(明年的时间序列)来训练模型。train_X的形状是( X_examples，52，1)，换句话说，X_examples训练，52个时间步骤，每一个特征。据我所知，Keras将把52个输入视为同一域的时间序列。train_Y的形状相同(y_examples，52，1)。我添加了一个TimeDistributed层。我的想法是，该算法将预测
浏览 5提问于2017-12-01得票数 23
回答已采纳
2回答
我有一个时间序列的特性x_1,x_2,x_3,...,x_n。我想为每个时间步骤做一个预测y_1,y_2,y_3,...,y_n。然而，在我的培训数据中，一些y可以是nan。我想让fit忽略这些(即这对测量的y和预测的y的成本为零)。我目前正在通过Keras使用tensorflow。
标签的掩蔽层有相似之处吗？我目前正在通过Keras使用tensorflow。或者，也许可以改变损失函数，但我不知道如何改变，特别是在保持数值效率的同时。
浏览 0提问于2019-12-09得票数 2
回答已采纳
1回答
我已经建立了一个递归神经网络来预测时间序列数据。我似乎得到了合理的结果，正如预期的那样，它将在三个类中以33%的准确率开始，并且在一定程度上会变得更好，也正如预期的那样。我想测试网络以确保它确实正常工作，所以我创建了一个基本的输入/输出，如下所示：
in1 in2 in3 out
1 2 3 0
5 6 7 1
9 10 11 2
1 2 3 0
5 6 7 1
9 10 11 2
我在csv中通过一百万行复制了这个模式。我会假设神经网络可以很容易地识别这种模式，
浏览 9提问于2019-07-09得票数 2
我试图建立一个多列深度神经网络(MDNN)与tflearn和tensorflow。该神经网络在中得到了解释。我挣扎的部分是如何将两个或更多的输入一起添加到tensorflow中。
对于一个专栏，我有：
network = tflearn.input_data(shape=[None, image_shape, image_shape, 3])
和
model.fit(X_input, y_train, n_epoch=50, shuffle=True,
validation_set=(X_test_norm, y_test),
show_metric=True, bat
浏览 0提问于2017-01-14得票数 0
回答已采纳
1回答
我是TensorFlow的新手。我喜欢学习更多关于时间序列模型和未来预测的知识。
例如，我有一个从2010到2018年的数据集。使用这些数据，我需要预测未来的值，例如2019年或2020年的值。(不通过任何测试数据集)
是否可以使用TensorFlow来实现。如果是这样，请分享一个样本和文档，以便它将帮助我了解更多。
浏览 1提问于2019-03-19得票数 3
1回答
如何利用LSTM预测未来价值？
、、、、
我有点新的时间序列预测和深入学习。我有一个关于太阳辐射的数据集，我正在使用木星笔记本。我将数据分为火车、val和测试三部分。训练模型并在测试数据集上得到预测。该数据集是从2010年至2020年每小时组成的。我想做未来的预测，比如2021年到2024年。dataset和当前的绘图是这样的：
这些是我在火车、val和测试数据集上所做的预测。
。但我无法做出未来的预测。我扩展了数据集以用于未来的预测。
但无法做出预测。另外，如何处理这些NaN值？
## Made a function for window size took the window size as 24
def df
浏览 6提问于2022-03-24得票数 1
亲爱的数据科学界，
对于一个小项目，我已经开始研究神经网络作为一种回归工具，但我仍然对某些变体的可能性感到困惑。以下是我的目标：
我有多个输入数据时间序列X(t)=[X_1(t), X_2(t), X_3(t),X_4(t)]，和多个目标数据时间序列，我想建模Y(t)=[Y_1(t), Y_2(t)]。所有数据都可用于培训。
我的目标是在区间[t_0,t_n]上训练我的模型/回归，然后能够在更大的不同间隔上应用它。
我知道，我的Y和X之间的关系是非线性的，但也需要考虑到滞后或惯性。例如，Y_1(t)依赖于X_1([t-dt_1,t])和X_2([t-dt_2,t])。所有的dt_n都是不同的，
浏览 0提问于2019-01-13得票数 3
回答已采纳
3回答
LSTM神经网络输入输出尺寸误差
、、、、
我对TensorFlow和LSTM体系结构相当陌生。在计算数据集的输入和输出(x_train、x_test、y_train、y_test)时，我遇到了问题。
我输入的原始形状：
x_train：(366,4)
x_test：(104,4)
y_train：(366，)
y_test：(104，)
y_train和y_test是一系列的股票价格。x_train和x_test是我想用来预测股价的四个特性。
# Splitting the training and testing data
train_start_date = '2010-01-08'
tr
浏览 0提问于2019-01-11得票数 4
回答已采纳
1回答
产生输出y的输入有x和u，x，u和y之间存在线性关系，即y= two +two。我试着从数据中计算出wx和wu。这是模型建造/装配的规范。
n_train = 400
n_val = 100
train_u = u[:(n_train+n_val)]
train_x = x[:(n_train+n_val)]
train_y = y[:(n_train+n_val)]
test_u = u[(n_train+n_val):]
test_x = x[(n_train+n_val):]
test_y = y[(n_train+n_va
浏览 2提问于2019-08-14得票数 1
回答已采纳
我在MacOS10.12.4、AnacondaPythona3.5和Tensorflow 1.1上运行。我把下面所示的可复制代码拼凑在一起。我用参数“特性”和“标签”定义了"my_model“。我没有给他们下定义。调用"my_model“函数时不带任何参数。我的Spyder“变量”窗口不会在程序运行后显示它们。我的问题是:这些变量在哪里定义？
查尔斯
from sklearn import metrics, cross_validation
from tensorflow.contrib import layers
from tensorflow.contrib import
浏览 2提问于2017-05-02得票数 0
回答已采纳
我准备了一个简单的数据集和标签集。我想学习如何在Keras中实现简单的RNN。我准备了我的数据。当我不使用规范化(MinMaxScaler)时，所有的编译都没有错误。
然而，当我尝试使用定标器时，我得到了ValueError: Found array with dim 3. Estimator expected <= 2.。这是代码：
# -*- coding: utf-8 -*-
#!/usr/bin/env python3
import tensorflow as tf
from tensorflow import keras
from keras.models import
浏览 1提问于2020-06-18得票数 1
回答已采纳
我写了一个小的“线性回归神经网络Tensorflow Keras Python程序”
输入数据集为y= mx +c直线数据。
预测的y值不正确，给出的是水平线类型的值，而不是具有一定斜率的线。
我用tensorflow，Keras和Jupyter笔记本在Windows笔记本上运行了这个程序。
请告诉我怎么修复这个程序？
谢谢并致以最良好的问候，SSJ
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
n2 = 50
count = 20
n4 = n2 + count
p = 100
m = 10
c
浏览 0提问于2020-10-17得票数 0
我刚开始接触tensorflow，目前正在学习基础知识，所以请耐心等待。
我的问题是神经网络的奇怪的不收敛行为，当它被赋予一个简单的任务，为一个只由m = 100数据点\{(x_1, y_1), (x_2, y_2),...,(x_{100}, y_{100})\}组成的小训练集找到一个回归函数，其中x_i和y_i是实数。
我首先构造了一个函数，该函数自动生成一个与经典的完全连接的前馈神经网络相对应的计算图：
import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
import math
def n
浏览 0提问于2018-05-10得票数 2
回答已采纳
1回答
我目前在Tensorflow和LSTMs方面有一个大问题，无法找到解决方案：
我想使用一个大sequence_length = 100的LSTM。对于模型，我有以下配置：
model.add(Masking(mask_value=0.0, input_shape=(1, x.shape[1])))
model.add(LSTM(10))
model.add(Dense(1))
我的输入x(有4个独立的输入变量)是一个具有特定长度和归一化值的数组.列是每个独立的输入变量:在这里，前3行
array([[-0.82425835, -0.58544026, 1.51368749, -1.00692
浏览 0提问于2021-04-28得票数 0
我试图通过Tensorflow会话使用Keras模型。但model.predict和sess.run的结果不同。有没有办法通过Tensorflow会话来处理Kers模型？
Tensorflow版本: 1.4.0
Keras版本: 2.1.1
from sklearn.datasets.samples_generator import make_circles
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import SGD
import numpy as
浏览 3提问于2017-11-23得票数 4
回答已采纳
1回答
我正在试着做一个视频分类。但是当我使用softmax和categorical_crossentropy时，我得到了错误的ValueError: Shapes (None, 2) and (None, 101) are incompatible。
我看到了另一个解决方案来解决这个问题，我把softmax改成了sigmoid，把分类改成了二进制交叉熵。现在我得到了这个错误。
ValueError: logits and labels must have the same shape ((None, 101) vs (None, 2))
我是计算机视觉和深度学习的新手，所以我不能马上发现错误。有没有
浏览 0提问于2021-02-05得票数 1
我对机器学习完全陌生，我想从一个相当简单的项目开始:使用mnist数据集进行数字识别。我正在使用keras和tensorflow，我开始使用代码，我发现here.The网络是正确构建和训练的，现在我想做一个简单的预测。对于初学者来说，我只是简单地使用了数据集中用于测试的部分中的一张图片，我希望我的输出就是这个数字。(在本例中，输出应为7。)下面是我的代码： # Baseline MLP for MNIST dataset
from tensorflow.keras.datasets import mnist
from tensorflow.keras.models import Sequen
浏览 37提问于2019-12-06得票数 1
回答已采纳
这是基于tensorflow的时序数据预测的后续问题。
我有以下格式的输入和输出。
(X) = [[ 0 1 2]
[ 1 2 3]]
y = [ 3 4 ]
它是一个时间序列数据。任务是预测下一个数字。基本上输入是由下面的代码片段构建的。
def split_sequence(arr,timesteps):
arr_len = len(arr)
X,y = [],[]
for i in range(arr_len):
end_idx = i + timesteps
if end_idx >
浏览 0提问于2018-10-19得票数 0
2回答
我试着学习如何使用TensorFlow，所以我试图建立一个概率ML模型，根据最近n天的价格序列得到第二天股票价格的概率分布。在这样做的时候，我设法预测了第二天的价格，但没有得到模型的概率分布。如何从TensorFlow模型中得到模型预测所依据的曲线？
这是我到目前为止得到的预测第二天的实际价格的代码(使用这个视频：)：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from datetime import datetime
from datetime import timedelta
from
浏览 4提问于2022-08-14得票数 0
我需要一些帮助来获得一个现有的python示例，它可以很好地对2个类别进行分类，并将其扩展到3个类别。下面是一个工作示例：
import numpy as np
import matplotlib.pyplot as plt
import os
import cv2 as cv
from tqdm import tqdm
import random
import tensorflow as tf
from tensorflow.keras.datasets import cifar10
from tensorflow.keras.preprocessing.image import Imag
浏览 1提问于2021-12-22得票数 1
1回答
这个问题有三个子部分，回答每个部分可能不需要很大的文本。我希望这样可以。
我试着用ML来理解时间序列预测。我有目标变量y_t，并假设另外两个变量x_t,z_t (例如，如果y_t是项目的需求，x_t可以是项目的类型或价格，等等)。另外，假设我使用的是随机森林模型，因为我已经阅读过它，通常情况下是可以的。
根据我的理解，如果我将y_{t-1}作为预测器，模型可能只是学习预测y_t=y_{t-1}，例如，与滞后1有自相关关系。考虑到这一点，将y_{t-1}作为一个特性是个坏主意吗？
(2)每个预测因子x_t,z_t都可能具有非平稳性、自相关或季节性等典型时间序列特征。有什么特殊的方法，我必须遵循或
浏览 0提问于2021-06-24得票数 3
1回答
Tensorflow预测输出类别
、、、、
我试过这个例子，但没有用LSTM。我的模型使用Tensorflow中的LSTM，我愿意将输出以类的形式预测为keras模型，从而使用predict_classes。
我正在尝试的Tensorflow模型是这样的：
seq_len=10
n_steps = seq_len-1
n_inputs = x_train.shape[2]
n_neurons = 50
n_outputs = y_train.shape[1]
n_layers = 2
learning_rate = 0.0001
batch_size =100
n_epochs = 1000
train_set_size = x_tr
浏览 0提问于2019-01-15得票数 8
回答已采纳
在使用TensorFlow 1.14和TensorFlow 2.3进行训练时，完全相同的代码和输入数据给出了不同的准确性结果。在1.14中，精度从一开始就>0.99，而在2.3中，精度在0.75左右。两种情况下的损失值大致相同，约为0.01-0.03。只是度量计算发生了变化，还是我应该怀疑我的代码中发生了更严重的事情？
以下是代码的相关部分。这是一个多标签、多类别的CNN。
... # (other layers)
model.add(layers.Dense(38, activation='sigmoid')) # Output layer
浏览 0提问于2021-03-05得票数 0
使用预先训练的Keras图像分类器尝试TensorFlow Lite，在将H5转换为tflite格式之后，我的预测会变得更糟。这是预期的行为(例如重量量化)，bug，还是我在使用解释器时忘记了什么？
示例
from imagesoup import ImageSoup
from tensorflow.keras.applications.resnet50 import ResNet50, preprocess_input, decode_predictions
from tensorflow.keras.preprocessing.image import load_img, img_to_a
浏览 1提问于2018-08-22得票数 1
回答已采纳
我是Tensorflow的新手，我正在尝试实现一个反讽检测模型。我的数据集由标记为1或0的tweet组成，以表示它们是否具有讽刺意味。
经过预处理，标记化和填充阶段，我留下了固定长度的序列和相关的标签向量分裂在训练和测试集和饲料作为输入的模型。这些序列的形式如下：
>>> data
array([[ 1, 677, 348, ..., 0, 0, 0],
[ 1, 677, 348, ..., 0, 0, 0],
[ 1, 825, 1, ...,
浏览 2提问于2021-08-10得票数 2
回答已采纳
我目前正在使用Tensorflow作为后端的Keras。下面显示了一个LSTM序列预测模型，用于预测数据序列中的一个步骤(输入30个步骤，每个步骤有4个特性，输出预测步骤31)。
model = Sequential()
model.add(LSTM(
input_dim=4,
output_dim=75,
return_sequences=True))
model.add(Dropout(0.2))
model.add(LSTM(
150,
return_sequences=False))
model.add(Dropout(0.2))
mode
浏览 3提问于2018-01-16得票数 2
回答已采纳
1回答
在tensorflow的训练模型中，我有一个简单的目标，为了继续训练或者使用一些功能/操作，我以后会保存和恢复它。
下面是该模型的简单示例
import tensorflow as tf
import numpy as np
BATCH_SIZE = 3
VECTOR_SIZE = 1
LEARNING_RATE = 0.1
x = tf.placeholder(tf.float32, [BATCH_SIZE, VECTOR_SIZE],
name='input_placeholder')
y = tf.placeholder(tf.f
浏览 2提问于2017-10-08得票数 1
回答已采纳
1回答
我是训练加载我的模型没有我的数据库，但我必须使用标准规模分割。这是我的密码：
import tensorflow as tf
import pandas as pd
from tensorflow.keras.models import Sequential, load_model
from tensorflow.keras.layers import Dense
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
dataset = pd.r
浏览 3提问于2021-12-19得票数 0
1回答
我正在研究基于Tensorflow的成本敏感神经网络。，但由于静态图形结构的Tensorflow。有些神经网络结构无法由我自己实现。
我的损失函数(成本)、成本矩阵和计算过程如下，我的目标是计算总成本，然后优化神经网络：
近似计算进展：
y_是CNN的最后一个完全连接输出，它具有(1024,5)形状。
y是一个具有形状(1024)的张量器，它指示x[i]的基本真理。
y_soft[i] [j]表示x[i]成为类j的概率。
我怎么能在Tensorflow中意识到这一点？
浏览 1提问于2017-09-20得票数 0
我有将近5年的时间序列数据。使用这些数据，我想预测未来两年。该怎么做呢？
我参考了很多关于这方面的网站。如果可以通过TensorFlow来实现这一点的话。我可以知道如何做到这一点吗？
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import tensorflow as tf
from sklearn.preprocessing import MinMaxScaler
from tensorflow.keras.models import Sequential
from tensorflow.ker
浏览 1提问于2019-03-20得票数 5
我试图在google上使用Tensorflow和Keras实现定制培训。我使用Tensorflow 2.0.0-beta1 1。
我的损失函数代码部分是：
model = tf.keras.Sequential([
tf.keras.layers.Embedding(
max_features, 32,
embeddings_initializer='random_uniform'
),
tf.keras.layers.SimpleRNN(32, kernel_initializer='random_unifor
浏览 1提问于2019-07-26得票数 1
回答已采纳
我刚刚用tensorflow附加代码编写了神经网络：
import tensorflow as tensorFlow
import csv
# read data from csv
file = open('stub.csv')
reader = csv.reader(file)
temp = list(reader)
del temp[0]
# change data from string to float (Tensorflow)
# create data & goal lists
data = []
goal = []
for i in range(len
浏览 3提问于2016-11-17得票数 2
回答已采纳
我正试图预测给病人服用的药物。对于每一种药物，我都有一列预测(通过softmax)，表示病人得到这种药物的可能性。
但很明显，人们可以一次得到几种药物，所以我有另一个模型，试图预测不同药物的数量。
我想在一个TensorFlow调用中对它们进行评估(我目前有一堆缓慢的NumPy攻击)，但是我不能向tensorflow.nn.top_k传递一个k的数组(每个病人一个，即行)，只有一个固定的整数--因为不同的病人将得到不同的药物数量，这是行不通的。
最终，我试图在实际处方的药物指标和预测的指标之间进行tensorflow.list_diff。然后也许是它的tensorflow.size。
tens
浏览 1提问于2015-12-13得票数 1
假设我试图在PyTorch中训练一个RNN语言模型。假设我迭代一批单词序列，并且每个训练批次张量具有以下形状：
data.shape = [batch_size, sequence_length, vocab_dim]
我的问题是，在每个序列中只使用最后一个单词作为目标标签有什么区别：
X = data[:,:-1]
y = data[:,-1]
以及使用最后一个词的最大预测来最小化损失的训练，
vs将目标设置为整个序列向右移动：
X = data[:,:-1]
y = data[:,1:]
和训练，以尽量减少损失的总和，每个预测的字在移位的顺序？
这里的正确方法是什么？我觉得我在网上看到了这
浏览 6提问于2020-06-08得票数 0
回答已采纳
错误：
return K.categorical_crossentropy(y_true, y_pred, from_logits=from_logits)
C:\Users\selvaa\miniconda3\envs\tensorflow\lib\site-packages\tensorflow\python\keras\backend.py:4619 categorical_crossentropy
target.shape.assert_is_compatible_with(output.shape)
C:\Users\selvaa\miniconda3
浏览 3提问于2020-05-28得票数 1
回答已采纳
我是tensorflow的新手，我想做一些时间序列预测，并遵循链接。我希望有36小时数据作为输入，然后连续48小时作为输出数据，因此我将x和y批次如下：
""" Making our training dataset with batch size of num_period """
x_batches = {'NSW': X_NSW.transpose().reshape(-1,72,1),
'QLD': X_QLD.transpose().reshape(-1,72,1),
浏览 0提问于2018-07-19得票数 0
回答已采纳
为什么Tensorflow中Keras API的函数接受batch_size？据我所知，这个参数应该只与管理我们在训练期间每次迭代使用的样本数有关。在模型评估过程中，这种选择有什么影响？
浏览 1提问于2020-05-21得票数 1
1回答
我是tensorflow环境的新手，我用Jupyter-notebook编写了这段代码，损失函数正在迅速增加。
我使用梯度下降作为0.05的优化器和学习率。如果学习率更改为0.0000005，则损失约为101.82
我不知道该怎么办。
import pandas as pd
import matplotlib.pyplot as plt
import tensorflow as tf
from __future__ import division
x = tf.placeholder(tf.float32)
#x = tf.placeholder(tf.float32)
y
浏览 0提问于2018-04-10得票数 0
1回答
我有np_final_x(71520, 2, 50)和np_final_y(71520, 1, 50)语料库
这意味着像I use -> this，you give -> me这样的预测
从两个单词中预测下一个单词。
每个字被编码成50维向量。
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM,Dropout
from tensorflow.keras.layers import Activation, Dense
from tensorflow.ker
浏览 1提问于2021-12-18得票数 0
1回答
我试着学习一些关于Tensorflow/机器学习的知识。作为一个起点，我正在尝试创建一个模型，该模型是在一个简单的一维函数(y=x^2)上训练的，并查看它对于训练范围之外的其他输入的行为。
我遇到的问题是训练功能并没有得到真正的改善。我确信这是由于我缺乏理解和/或配置错误，但实际上似乎没有任何“婴儿的第一台机器学习”来处理已知形式的数据集。
我的代码很简单，是从TensorFlow的入门笔记本借来的
import tensorflow as tf
import numpy as np
# Load the dataset
x_train = np.linspace(0,10,1000)
y
浏览 2提问于2019-11-27得票数 0
回答已采纳
我正在研究一些图像分类问题，并为此制作了Y网络。Y网络是一种具有两个输入、一个输出的神经网络。如果我们想要适应我们的Tensorflow模型，我们必须在x_train ()中输入model.fit和y_train。就像这样-
model.fit([x_train, x_train], y_train, epochs=100, batch_size=64)
但是，如果我从ImageDataGenerator获得数据，如何获得x_train和y_train？就像这样-
train_generator = train_datagen.flow_from_dataframe(... , batch_s
浏览 2提问于2021-02-02得票数 3
回答已采纳
我用这段代码用tensorflow 2做了一个简单的KI学习，一切都很好。
# Install TensorFlow
import tensorflow as tf
print(tf.__version__)
# Import matplotlib library
import matplotlib.pyplot as plt
#Import numpy
import numpy as np
#Dataset
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x
浏览 6提问于2020-02-10得票数 0
1回答
第一次CNN与形状误差
、、、
我刚开始建造我的第一个CNN。我正在练习MNIST数据集，这是我刚才编写的代码：
from tensorflow.keras.datasets import mnist
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv1D, Dropout, Flatten, Dense
from tensorflow.keras.losses import categorical_crossentropy
from tensorflow.keras.optimizers import
浏览 1提问于2021-03-13得票数 1
回答已采纳
2回答
我正在研究一个神经网络，它可以预测二元选择。当我尝试提取预测时，它不起作用，并给出了这样的跟踪：
2017-09-03 13:52:59.302796: W tensorflow/core/framework/op_kernel.cc:1148] Invalid argument: Shape [-1,2] has negative dimensions
2017-09-03 13:52:59.302843: E tensorflow/core/common_runtime/executor.cc:644] Executor failed to create kernel. Invalid a
浏览 0提问于2017-09-04得票数 0
下面是用于预测加密货币价格的Keras模型。问题是，虽然loss和val_loss减少了，但是accuracy被卡在某个值(2.5840e-04)上，并且没有改变，val_accuracy被卡在0.0000e+00上。我彻底地检查了我的每一个输入，但没有发现任何问题。我的模特有问题吗？
这是我的数据准备(ethusd.csv是一个标准的股票格式数据集。你可以在上面链接的我的笔记本上看到它)
DATASET_PATH = "../input/crifier/ethusd.csv"
import math
import matplotlib.pyplot as plt
impo
浏览 2提问于2021-01-27得票数 0
代码如下所示，运行正常：
import numpy as np
from keras.models import Sequential
from keras.layers import Dense, Dropout
xData = np.array([[5, 3, 7], [1, 2, 6], [8, 7, 6]], dtype=np.float32)
yTrainData = np.array([[1], [0], [1]], dtype=np.float32)
model = Sequential()
model.add(Dense(64, input_dim=3, activati
浏览 0提问于2017-11-02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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
