为什么在keras中我会将列表列表作为model.predict的输出
在Keras中，将列表作为model.predict的输出通常是由于以下原因之一：
- 多输入/多输出模型：当模型具有多个输入或多个输出时，model.predict的输出将是一个列表，其中每个元素对应于一个输入或输出。这种情况下，列表的顺序通常与模型定义中的输入/输出顺序相对应。
- 批量预测：当使用model.predict对多个样本进行批量预测时，输出将是一个列表，其中每个元素对应于一个样本的预测结果。这种情况下，列表的长度将等于批量大小。
- 模型嵌套：在某些情况下，模型可以嵌套在其他模型中，例如使用Functional API或Model子类化。当调用model.predict时，输出将是一个列表，其中每个元素对应于嵌套模型的输出。
需要注意的是，model.predict的输出是根据模型的定义和输入数据而定的。因此，确保输入数据的维度和类型与模型定义相匹配是非常重要的，以避免出现错误的输出结果。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云AI开放平台：https://cloud.tencent.com/product/ai
- 腾讯云云服务器CVM：https://cloud.tencent.com/product/cvm
- 腾讯云云数据库MySQL版：https://cloud.tencent.com/product/cdb_mysql
- 腾讯云对象存储COS：https://cloud.tencent.com/product/cos
- 腾讯云区块链服务：https://cloud.tencent.com/product/tbaas
相关·内容
下面是一个简单的tensorflow函数API模型。
input1 = tf.keras.layers.Input(shape=(2,), dtype='float32')
output1 = tf.keras.layers.Dense(2)(input1)
model = tf.keras.Model(inputs=input1, outputs=output1)
在函数API的一些例子中，输出是使用model()获得的，但是也有model.predict()。
用我上面的例子，预测作品：
model.predict([[[1.1, 2.2]]])
>> arra
浏览 4提问于2020-02-22得票数 0
回答已采纳
1回答
理解Keras预测
、、、
我得到了以下代码： import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.c
浏览 17提问于2021-05-05得票数 0
我已经构建并训练了一个序列模型。
现在，在每次调用model.predict之前，我想要将数据上传到GPU中，做一些操作，然后使用存储在GPU中的输出调用model.predict，而无需下载到内存并将其移交给keras模型，以便再次上传到gpu。
编辑:我想在图形处理器中对输入图像使用opencv操作，如果可能的话，直接使用输出来调用model.predict。
浏览 6提问于2017-02-12得票数 1
我正在学习TensorFlow和LSTM，当我训练它返回一个值时，我想知道为什么我的预测输出有多个值。我的目标是在使用数组进行情感分析训练之后，获得0到1之间的单个值。
培训输入数据如下：
[[59, 21, ... 118, 194], ... [12, 110, ... 231, 127]]
所有输入数组的长度与0填充的长度相同。培训目标数据如下：
[1.0, 0.5, 0.0, 1.0, 0.0 ...]
型号：
model = Sequential()
model.add(Embedding(input_length, 64, mask_zero=True))
model.add(LS
浏览 1提问于2018-12-30得票数 0
回答已采纳
1回答
我正在尝试建立一个只有一个隐藏层的小型神经网络。我希望在训练之前，模型会输出随机的值。但是对于所有的输入，我得到1.0作为输出。为什么会这样呢？ import tensorflow as tf
from tensorflow import keras
import numpy as np
def NewModel():
return keras.Sequential([
keras.layers.Dense(20, input_shape=(18,), activation=tf.nn.relu, name="inputLayer"),
keras.la
浏览 15提问于2018-12-30得票数 0
回答已采纳
2回答
我正在实现一个分类器来识别3种不同类型的图像，最后一层有3个乙状结肠激活神经元。
from keras.model import Sequential
from keras.layers import Conv2D, MaxPooling2D, BatchNormalization, Dropout, Flatten, Dense
model = Sequential()
model.add(Conv2D(16, kernel_size=(3, 3), activation='relu',
input_shape=input_shape)
浏览 3提问于2020-05-19得票数 1
回答已采纳
我有一个模型已经工作，并有一个循环它的训练。您可以在这里看到循环：
for idx, (x, y) in enumerate(train_dataset):
pred = model.predict_on_batch(x)
print(model.test_on_batch(x, pred, reset_metrics=False, return_dict=True))
print(model.train_on_batch(x, y, reset_metrics=False))
print(f"After {idx} entries")
我想要创建一个自定义混淆
浏览 5提问于2022-03-21得票数 -1
回答已采纳
1回答
def locations_model(...):
input_shape = image_shape + (3,)
base_model = tf.keras.applications.MobileNetV2(...) base_model.trainable = False
inputs = tf.keras.Input(...)
... ...
outputs = tfl.Dense(5, activation =
浏览 4提问于2022-06-06得票数 1
2回答
Keras预测不会返回芹菜任务
、、、、
下面的Keras函数(预测)在同步调用时工作。
pred = model.predict(x)
但是当从异步任务队列(芹菜)中调用时，它不起作用。Keras预测函数在异步调用时不会返回任何输出。
堆栈是: Django，芹菜，Redis，Keras，TensorFlow
浏览 5提问于2017-08-02得票数 10
我已经创建了一个使用keras的图像分类器，并且我正在尝试对单个图像使用model.predict()。我的代码如下所示：
path = 's.jpg'
from keras.preprocessing import image
img_width, img_height = 224,224
img = image.load_img(path, target_size = (img_width, img_height))
img = image.img_to_array(img)
img = np.expand_dims(img, axis = 0)
a =mode
浏览 2提问于2020-06-03得票数 0
我正在尝试创建一个模型，该模型接受4个元素的python列表，并返回两个值作为预测。下面是我的代码：
class DQNagent:
def create_model(self):
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(16, activation ='relu',input_shape =(4,1)))
model.add(tf.keras.layers.Dense(32, activation ='relu&
浏览 12提问于2021-05-18得票数 0
我有一个非常简单的keras顺序模型：
model = keras.models.Sequential([
keras.layers.SimpleRNN(1, input_shape=[None, 1], return_sequences=True),
])
model.compile(loss='mse')
我的(玩具)数据如下所示：
X = np.array([[1,2],[3,4],[5,6], [7,8]])[...,np.newaxis]
y = np.array([3,5,7,9])[..., np.newaxis]
X.shape -> (4,2,1
浏览 2提问于2020-04-12得票数 0
我在理解构建tensorflow模型和预处理pandas Dataframe时遇到问题。
我一直在遵循这个文档：
第一个问题：
dataset = tf.data.Dataset.from_tensor_slices((df.values, target.values))
train_dataset = dataset.shuffle(len(df)).batch(1)
def get_compiled_model():
model = tf.keras.Sequential([
tf.keras.layers.Dense(10, activation='relu'
浏览 0提问于2020-05-06得票数 1
很抱歉，因为我对使用Keras和处理一般的LSTM预测都很陌生。我正在编写的代码接受一个CSV文件，该文件的列是浮点或int值，这些值在某种程度上是相关的，使用Keras模型对这些列进行训练，并尝试将其中一列预测为输出。我正在遵循这一指南：
在该示例中，相关的预测列是空气污染量，所有其他值都用于预测该值。为我的CSV修改示例代码似乎很简单--我适当地更改了培训数据的大小和列数。
我的问题是，我不明白为什么示例代码输出“污染”列的预测值，而不是其他列。我只需制作我想要预测的格式化输入CSV中的第二列，但我想尽可能地了解示例中实际发生的事情。查看 for Model.predict()，它表示，
浏览 6提问于2022-07-07得票数 0
我正在学习TF并尝试实现以下代码
window_size = 4
layer = tf.keras.layers.Dense(1, input_shape=(window_size,))
model = tf.keras.models.Sequential([layer])
model.compile(...)
model.fit(dataset,epochs=100,verbose=0)
所以在密集()层中，我的input_shape是(4 )，那么为什么这个model.predict(np.array([4,5,3,2]))不能工作呢？model.predict(np.array([4,
浏览 5提问于2020-07-11得票数 1
回答已采纳
1回答
我正在成功地从文件中加载一个模型，当我试图预测任何形状(480 )的输入的输出时，我得到的ValueError如下所示：
ValueError:层sequential_1的输入0与层不兼容:输入形状的期望轴-1具有值480，但接收到的输入具有形状(32，1)。
我正在使用的代码
import numpy as np
from keras.models import load_model
model = load_model("my_model.h5")
sample = np.zeros((480,))
model.predict(sample)
你知道为什么会发生这种事
浏览 2提问于2021-04-16得票数 0
回答已采纳
我正试图将两种经过预先训练的角膜模型移植到议会联盟的机器中。我成功地使用IPUstrategy.scope加载并运行了它们，但是我不知道我这样做是否正确。我有我的预培训模型的.h5文件格式。我用这种方式装载它们：
def first_model():
model = tf.keras.models.load_model("./model1.h5")
return model
在搜索您的ipu.keras.models.py文件后，我找不到任何加载方法来加载经过预先训练的模型，这就是我使用tf.keras.models.load_model()的原因。
然后，我使用以下
浏览 2提问于2021-04-23得票数 2
回答已采纳
2回答
我训练了一个模型来对7种不同类型的图片进行分类。我的模型只能做一个特定的预测(在我的例子中是numpy.ndarray)，但是我感兴趣的是一个更像概率的预测(例如90%的class1和80%的class2 ...etc)。我现在应该修改的代码部分在哪里？如何使用列车模型得到正确的概率值？
import tensorflow as tf
from tensorflow.keras.layers import Input, Lambda, Dense,Flatten
from tensorflow.keras.models import Model
from tensorflow.keras.ap
浏览 10提问于2022-05-03得票数 -1
回答已采纳
1回答
我试图在实时运行的应用程序中运行一个在Keras中受过训练的RNN。在递归网络中的“时间”(它是一个LSTM)这里是数据被接收时的实际时刻。
我想以一种在线的方式获得RNN的输出。对于非递归模型，我只是将我的输入输入到形状inputDatum=1,input_shape中，并在其上运行Model.predict。我不确定这是为应用程序在Keras中使用前向传递的预期方法，但它对我起了作用。
但对于递归模块，Model.predict期望输入整个输入，包括时间维度。所以这不管用..。
在Keras中有什么方法可以这样做吗?还是我需要深入到Tensorflow并在那里实现操作？
浏览 1提问于2018-03-16得票数 4
回答已采纳
2回答
我在玩我为xor-ing编写的神经网络代码。我写了这个模型：
import tensorflow as tf
from tensorflow import keras
import matplotlib.pyplot as plt
model = keras.Sequential()
model.add(tf.keras.Input(shape=(2,)))
#model.add(keras.layers.Dense(2))
model.add(keras.layers.Dense(4, activation='relu'))
model.add(keras.layers.D
浏览 1提问于2020-09-07得票数 0
回答已采纳
文档说，model.predict返回Numpy数组的预测。在Keras中，是否有一种方法可以区分哪些数组是？在TF实现中怎么样？
在同一页文档的顶部，他们说“模型可以使用列表指定多个输入和输出”。似乎没有什么是坏的，如果一个人通过字典：
my_model = tf.keras.models.Model(inputs=my_inputs_dict, outputs=my_outputs_dict)
当调用model.fit时，同样的文档会说：“如果模型中的输入层是命名的，您还可以传递一个字典，将输入名映射到Numpy数组。”
如果my_output_dict中的键或my_output_dict
浏览 0提问于2019-07-30得票数 7
在我的神经网络中，我试图在预测阶段保持辍学率。我试图通过在tensorflow 2.0RC中使用tensorflow.keras.backend.set_learning_phase(1)来实现这一点。
当我调用model.compile时，问题就出现了，它似乎在预测阶段关闭了辍学。
下面的代码演示如何设置学习阶段。在模型编制之前，预测是半随机的，和预期的一样。模型编译后，预测不再是半随机的，尽管学习阶段仍然是1。
import tensorflow as tf
from tensorflow import keras
import tensorflow.keras.backend as K
浏览 1提问于2019-10-21得票数 1
回答已采纳
1回答
此代码试图预测加密货币的未来价格。当我给它数据时，它每次输出不同的东西。为什么会这样呢？
链接到完整代码：
这段代码输出的内容似乎是随机的，我不知道为什么。
x,y = preprocess_df(test_df)
model = tf.keras.models.load_model('models/RNN_Final-15-0.972.model')
prediction = model.predict(x)
print("15 Min Prediction(0): " + str(CATEGORIES[np.argmax(prediction[0])]
浏览 3提问于2021-03-17得票数 0
回答已采纳
2回答
我在Keras中创建了以下简单的CNN (借用自DeepLizard教程)。
model = Sequential([
Conv2D(filters = 10, kernel_size = (3, 3), activation = 'relu', padding = 'same', input_shape = (320, 320, 3)),
MaxPool2D(pool_size = (2, 2), strides = 2),
Conv2D(filters = 10, kernel_size = (3, 3), a
浏览 8提问于2021-02-26得票数 0
在多个输出的情况下，model.predict返回一个列表。这个列表中元素的顺序是什么？例如，在这种情况下，对于指定为字典的每个输出，您都有不同的损失(回想一下，字典不一定保持其元素的任何顺序)？在您将这些损失指定为列表的情况下呢？如果所有的损失都是一样的呢？有一个相关的堆栈溢出问题和。也许Keras的文档应该改进一下。AFAIK目前还没有任何地方记录这一点。
浏览 0提问于2020-01-31得票数 1
Keras有model.predict，它为输入样本生成输出预测。我正在tensorflow中寻找它，但似乎找不到它，也无法对其进行编码。
浏览 1提问于2017-04-17得票数 0
我正在研究keras中的seq2seq模型，例如，来自keras或这的这个博客帖子。我看到的所有例子都有一些推理模型，描述了原来的模型。然后使用该推理模型进行预测。
我的问题是为什么我们不能直接做model.predict()。我的意思是，我们可以这样做，因为我已经使用了它，它可以工作，但是这两种方法之间有什么区别呢？使用model.predict()并为argmax做反向单词标记器是错误的吗？
浏览 0提问于2021-08-10得票数 1
回答已采纳
我目前正在尝试在Keras中为logit层创建一个蒙版。这个掩码不是静态的，当我调用model.predict时，它总是在变化。有没有办法实现这一点？
self.mask_change = np.zeros(104)
def build_model(self):
input = Input(shape=(14,))
layer = Dense(32, activation='relu')(input)
layer = Dense(32, activation='relu')(layer)
logit = Dense(104)(l
浏览 1提问于2018-06-26得票数 0
0回答
我使用keras模型和下面的层来预测输入的标签(共4个标签)
embedding_layer = keras.layers.Embedding(MAX_NB_WORDS,
EMBEDDING_DIM,
weights=[embedding_matrix],
input_length=MAX_SEQUENCE_LENGTH,
浏览 2提问于2017-12-02得票数 0
如果输入值大于input_dim，嵌入层是如何工作的？
为什么keras不提出例外呢？
from keras.models import Sequential
from keras.layers import Embedding
model = Sequential()
model.add(Embedding(1, 2, trainable=True, mask_zero=False))
input_array = [5]
model.compile("rmsprop", "mse")
output_array = model.predict(input_
浏览 0提问于2020-04-21得票数 0
回答已采纳
我想评估一个模型，同时也捕捉到倒数第二层的激活。我用作为解决方案。我使用pen_ulti_activs = layer_outs[-2]访问倒数第二个激活。
但是，为了再次检查该解决方案是否真正有效，我在代码中添加了一个断言，通过比较从functor返回的最后一层激活和从model.predict返回的数组来验证来自functor的激活是否与model.predict的激活相匹配。但是断言失败了。因此，我想我误解了这个相互关联的答案是如何使用的。
from keras import backend as K
def evaluate_model(model, test_gen):
浏览 1提问于2019-04-03得票数 1
回答已采纳
我用Keras生物医学图像分割来分割脑细胞。我用了model.evaluate()，它给了我骰子系数: 0.916。然而，当我使用model.predict()，然后循环通过计算骰子系数预测图像，骰子系数是0.82。为什么这两个价值观是不同的？
浏览 7提问于2017-06-10得票数 53
回答已采纳
tf.keras.Model.predict和call返回不同的结果 import tensorflow as tf
import numpy as np
tf.set
ipts = tf.keras.Input([2])
x = tf.keras.layers.Dense(10)(ipts)
x = tf.keras.layers.Dropout(0.5)(x)
x = tf.keras.layers.Dense(3)(x)
model = tf.keras.Model(ipts, x)
model.summary()
sess = tf.Session()
sess.run(tf.glo
浏览 41提问于2019-04-15得票数 3
回答已采纳
我正在递归一段代码来检索项目，但是当我在model.predict函数中调试时，我发现这个函数的输入是维度(1,224,224，3)，但输出是(1，7，7,2048)。model.predict()的结果不应该是一个一维数组，它给出了对象属于每个类别的概率，而不是4D吗？如何理解这个结果数组的维数？ model_features = model.predict(x, batch_size=1) 具体代码如下：(这只是整个代码的一部分，不能直接运行) import keras.applications.resnet50
import numpy as np
import os
impo
浏览 189提问于2021-08-05得票数 0
回答已采纳
该模型的第一层是LSTM。
在调用model.predict时，假设您传入了几个示例：
>sam = np.array([ [[.5, .6, .3]], [[.6, .6, .3]], [[.5, .6, .3]] ])
>model.predict(sam)
array([[ 0.23589483],
[ 0.2327884 ],
[ 0.23589483]])
上面我们看到了映射：[.5，.6，.3] -> 0.23589483等(1个元素的序列，这是一个长度为3的向量，映射到一个实数)
该模型的input_length为1，input_di
浏览 1提问于2016-08-29得票数 8
1回答
我已经训练了一个基于双向LSTM和密集层输出的深度学习模型。使用model.predict(x)获得的输出概率与我的实际标签(一个热编码标签)匹配是非常令人困惑的。此外，model.predict_classes(x)输出(0,1,2)也是令人困惑的。如何将这些输出与我的原始标签相关联。下面是我的代码片段供参考： model = Sequential()
model.add(Embedding(MAX_NB_WORDS, EMBEDDING_DIM, input_length=X.shape[1]))
model.add(SpatialDropout1D(0.5))
model.add
浏览 34提问于2020-12-01得票数 0
1回答
我在努力学习角星。作为教程，我使用了这个为什么model.evaluate(X)返回损失:0和准确性:0？
# first neural network with keras make predictions
from numpy import loadtxt
from keras.models import Sequential
from keras.layers import Dense
# load the dataset
dataset = loadtxt('pima-indians-diabetes.csv', delimiter=',')
# spl
浏览 14提问于2022-01-16得票数 0
1回答
我们试图建立一个keras模型，从一个特征向量中预测一个概率率的向量。输出向量的概率应在0~1之间，之和为1，但有些输出向量主要由0和1组成，而且在模型训练和学习损失的时间内，val_loss率保持不变。
有人知道我们的模型有什么问题吗？
输入向量示例：
(0,4,1444997,0,622,154536,0,2,11,0,5,11,10,32,4.26E-04,0,5,498,11,1,11,0,172,0,4,1,8,150)
预期输出向量示例：
(0.25,0,0,0.083333333,0.583333333,0.083333333)
实际输出向量示例：
(1.000
浏览 1提问于2018-05-27得票数 1
回答已采纳
在比较model.evaluate()和model.predict()结果时，我得到了一个非常奇怪的行为。正如您在屏幕截图中所看到的，我得到了~0.926，f1的精确性和从model.evaluate()返回的回忆，但是对于model.predict()所做的预测，f1要低得多。知道怎么会发生这种事吗？
这种情况只发生在计算样本外数据集时。对于训练期间使用的测试数据作为验证数据，model.evaluate()和model.predict()给出了相同的f1。
model.compile(optimizer='adam', loss='binary_cross
浏览 4提问于2021-06-02得票数 0
我的任务是学习如何创建一个能够对图像分类的模型。在做了一个后，我得到了100%的准确性，所以我决定削减我的模型层，直到我有更糟的事情。我删除了输入数据、Conv2D层、MaxPooling2D层和密集隐藏层的规范化。
我现在要说的是我认为是最基本的，而且我仍然获得了100%的准确性，我严重怀疑这是准确的。对测试数据进行手动抽查，似乎通过了它们，但我对为什么感到困惑。
运行时唯一收到的警告是2021-12-21 14:05:19.952543: W tensorflow/python/util/util.cc:368] Sets are not currently considered sequ
浏览 9提问于2021-12-21得票数 0
回答已采纳
import tensorflow as tf
from tensorflow.keras.layers import Input, Multiply
from tensorflow.keras.models import Model
print(tf.__version__) # 2.1.1
def build_model():
inputs = Input(shape=(42,))
x = Multiply()([inputs, inputs])
return Model(inputs, x)
x = tf.constant(3, shape=(1, 42
浏览 108提问于2020-12-25得票数 0
回答已采纳
在训练我的模型完成句子分类任务后，我正在使用keras model.predict。我的代码是 import numpy as np
model = Sequential()
l = ['Hello this is police department', 'hello this is 911 emergency']
tokenizer = Tokenizer()
tokenizer.fit_on_texts(l)
X = tokenizer.texts_to_sequences(l)
X = np.array(X)
a = model.predict(X)
p
浏览 15提问于2020-07-20得票数 0
回答已采纳
我正在尝试创建一个超级简单的Tensorflow网络(一个数据处理Lambda层)，然后将模型转换为ONNX，并在从ONNX调用ONNX模型时验证结果是否匹配。我使用的是Tensorflow v2.5.0。& onnxruntime v1.8.1。 example_input2 = tf.convert_to_tensor([0,1000,2000,2000,2000,3000,3000,4000],dtype=tf.float32) 模型定义： inp = keras.layers.Input(name="input", type_spec=tf.TensorSpe
浏览 37提问于2021-07-15得票数 0
回答已采纳
我有一个经过训练的模型，我通过以下方式使用keras运行预测： model = pets.get_model(input_size=input_units)
model.compile(loss='categorical_crossentropy',
optimizer='adam', metrics=['accuracy'])
model.load_weights('models/2019-03-01-02-03-53.h5')
prediction = model.predict(X) 这给了我
浏览 12提问于2019-03-01得票数 4
回答已采纳
我的TensorFlow模型有以下结构。它的目的是解决标签为0或1的二进制分类问题。输出层使用带1输出的sigmoid激活函数。
model = keras.Sequential([
layers.Dense(10, activation='relu', input_shape=[len(train_dataset.keys())]),
layers.Dense(1, activation='sigmoid')
])
optimizer = 'adam'
model.compile(loss='binary_
浏览 0提问于2020-01-07得票数 4
回答已采纳
我刚刚成功地完成了一个tf.keras顺序模型的训练，并编写了一个单独的"Flask“脚本，将保存的模型加载到我上传到Heroku的应用程序中。一切都成功了。但是，当我在玩的时候，我意识到对于我的需求，我只需要导入Flask，从flask以及pandas，numpy和tensorflow.python.keras.models导入load_model的请求： from tensorflow.python.keras.models import load_model
from flask import Flask, request
import pandas as pd
import
浏览 237提问于2019-03-12得票数 0
回答已采纳
我试着在tf中建立一个神经网络，作为初学者的挑战，而且我的模型不是很好，很多时候它不会很精确(虽然有时精度是1，但大多数时候不是，即使这样损失也很高。)
所以我有两个问题：
我如何改进这个神经网络？
使用Input作为输入层和使用Dense有什么区别？
以下是代码：
import tensorflow as tf
from tensorflow import keras
model = keras.Sequential()
model.add(tf.keras.Input(shape=(2,)))
#model.add(keras.layers.Dense(2))
model
浏览 5提问于2020-09-07得票数 0
回答已采纳
我有以下问题。我正在使用Tensorflow Keras模型来评估连续的传感器数据。我的模型输入由15个传感器数据帧组成。因为函数model.predict()花费了将近1秒的时间，所以我想异步执行这个函数，这样我就可以收集这段时间内的下一个数据帧。为此，我创建了一个具有多处理库和用于model.predict的函数的池。我的代码看起来像这样：
def predictData(data):
return model.predict(data)
global model
model = tf.keras.models.load_model("Network.h5")
m
浏览 0提问于2018-10-18得票数 1
我有一个多输出Keras模型，其结构类似于此：
s = some_shared_layers()(input)
non_trainable1 = Dense(trainable=False) (s)
non_trainable2 = Dense(trainable=False) (s)
trainable = Dense() (s)
model = Model(input, outputs=[non_trainable1, non_trainable2, trainable])
我的模型首先计算前一关，并使用前2输出来操作输入。然后计算另一个向前传球以获得第三个输出。
out1, ou
浏览 0提问于2017-05-31得票数 2
我用keras来预测LSTM的时间序列，我意识到我们可以用没有我们训练的时间步长相同的数据来预测。例如：
import numpy as np
import keras.optimizers
from keras.models import Sequential
from keras.layers import Dense,Activation,Dropout,TimeDistributed
from keras.layers import LSTM
Xtrain = np.random.rand(10,3,2) #Here timestep is 3
Ytrain = np.random
浏览 5提问于2017-04-11得票数 0
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
实时音视频活动推荐
腾讯云开发者
