我有以下使用可变长度输入的顺序模型：m.add(Embedding(len(chars), 4, name="embedding"))Total params: 4,575Non-trainable params: 0
然而，当我试图在函数API中实现相同的模型时，我不知道我尝试了什么作为输入
浏览 15提问于2017-08-02得票数 4
我最近刚从theano，千层面搬到keras。在keras中，这样的自定义嵌入层是可能的吗？而且，这样的嵌入层可能是错误的？
浏览 13提问于2016-08-27得票数 1
回答已采纳
1回答
它将在将来的版本中被删除。更新说明:请使用与此API等效的keras.layers.RNN(单元格)
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该层支持用可变的时间步骤对输入数据进行掩蔽。若要将掩码引入数据，请使用嵌入层，将mask_zero参数设置为True。但是，即使在嵌入</e
浏览 2提问于2019-03-20得票数 3
回答已采纳
1回答
我想用keras函数api在嵌入层中添加一个tanh层：output=keras.activations.tanh(x)
model.compile(optimizer='rmsprop',loss='categoric
浏览 16提问于2018-12-17得票数 0
回答已采纳
1回答
我对Keras很陌生，我发现很难理解LSTM layer.The Keras文档中输入数据的形状，因为输入数据应该是带有形状的3D张量(nb_samples、timesteps、input_dim)。timesteps变量是否表示网络记住的时间步骤的数量？
在我的数据中，几个时间步骤会影响网络的输出，但我不知道提前了多少次，也就是说，我不能说前10个样本会影响输出。例如，输入可以是构成句子的单词。每
浏览 2提问于2017-10-07得票数 0
1回答
Keras将numpy数组作为训练数据的输入，但是可以创建可以采用不同输入大小的模型。我想知道是否有一种方法可以将各种维度的图像合并到模型的训练数据中。
浏览 0提问于2017-02-21得票数 3
在将嵌入层的输出传递给LSTM层时，我遇到了一个我无法识别的ValueError。我的模型是： def lstm_mod(self, n_cells,batch_size): embedding = tf.keras.layers.Embedding(batch_size,self.n_seq,input_length=self.n
浏览 17提问于2021-04-23得票数 1
Keras的RepeatVector层允许我重复给定的向量/张量n次数：https://www.tensorflow.org/api_docs/python/tf/keras/layers/RepeatVector用例:我正在生成可变长度的序列，RepeatVector后面是一个LSTM层。
浏览 28提问于2019-08-21得票数 3
回答已采纳
我正在Keras中训练LSTM：iclf.add(Bidirectional(LSTM(units=10, return_sequences=True, recurrent_dropout2048向量，它是已知的，不需要学习(如果您愿意，它们是输入句子中单词的ELMo嵌入)。因此，这里我没有嵌入层。由于输入序列的长度可变，因此使用pad_sequences对
浏览 0提问于2018-11-06得票数 5
1回答
TensorFlow模型语法
、、、、
我是神经网络和Tensorflow的新手model = tf.keras.models.Sequential([tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(150, 150, 3)), tf.keras
浏览 3提问于2020-08-16得票数 0
回答已采纳
我有用CNN嵌入的时间序列。我也有类似图像的数据，我使用RNN嵌入它们。 我想做的是合并两个编码器网络的输出，以训练一个解码器网络，它将预测输入时间序列的下一个时间戳。你会有任何关于如何做到这一点的帮助吗？ 我在Windows10上使用Python (Keras库)。 提前感谢
浏览 47提问于2021-07-18得票数 0
1回答
我想尝试一下关于自动编码器的想法。模型是这样的： input (pictures) - conv2d - pooling - dense - dense(supervised output) - dense - conv - upsampling- output (pictures) 是否可以训练具有dense(supervised output)和output (pictures)所需输出的神经网络？换句话说，我想做一个双向的分类器。
浏览 12提问于2019-10-14得票数 0
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，在可变序列长度的情况下，我不知道API是如何等效的！
浏览 3提问于2019-03-04得票数 17
回答已采纳
我正在使用Keras functional API创建一个神经网络，它将单词嵌入层作为句子分类任务的输入。但是我的代码在连接输入层和嵌入层的一开始就中断了。按照的教程，我有如下代码：word_weight_matrix = ...输入层似乎没有正
浏览 5提问于2018-07-15得票数 6
回答已采纳
1回答
嵌入层Keras的可变长度输入
、、、、
我有一个可变大小的文本语料库。我试图使用keras中的嵌入层将我的文本提供给LSTM模型。我的代码如下所示：from keras.layers import Embedding, Input, LSTM, RNN, SimpleRNN array([12, 13, 13])],
浏览 0提问于2019-07-04得票数 4
1回答
网络配置不正确
、、
我是Keras和Tensorflow的新手。我正在尝试重塑Python的 (我对Python一点也不熟悉)，但没有成功；我制定了以下代码片段。new Sequential();iSequential.Add(iLayer2);在编译过程中，根据我的粗浅理解，这意味着iLayer1的配置方式使得它不可能与iLayer2一起操作，但我不知道该怎么做。
浏览 0提问于2019-11-08得票数 0
如何建立keras模型，以便最终的LSTM层在输入可变序列长度的同时输出每个时间步骤的预测值？
整形和致密层不支持掩蔽
浏览 2提问于2016-12-30得票数 0
2回答
LSTM如何处理变长序列
、、、、
我在的第7章第1节中找到了一段代码如下：from keras import layers loss='categorical_crossentropy',如您所见，这个模型的输入没有原始数据的</e
浏览 1提问于2018-04-19得票数 10
回答已采纳
我试图使用Keras构建一个简单的自动编码器，为此我从一个完全连接的神经层开始，作为编码器和解码器。input_img) >autoencoder =Model(input_img, decoded) 的帮助下创建了一个单独的编码器模块batch_size=256,
浏览 17提问于2020-03-31得票数 0
回答已采纳
云服务器
ICP备案
云直播
实时音视频
即时通信 IM
腾讯云开发者
