1回答
地面实况图的大小是30x30，但是它是1-hot编码(使用交叉点损失)o 7类，所以它是(1，7，30，30)大小的张量，.I想要使用卷积和LSTM的组合(或使用集成的ConvLSTM2D层)来完成我的分类任务，但有以下问题：2-不是每个像素在每个时间戳中都有有效值。因此，在每个给定的时间戳，一些像素的所有带值可能为零(意味着无效)。
我读了很多关于如何处理这个问
浏览 15提问于2019-07-05得票数 0
1回答
对大文本使用LSTM
、、、、
我想使用LSTM进行分类 一篇文章的平均词长约为750个单词。我试着去掉标点符号，停用词，去掉数字。预处理文本也需要很长时间。 我想要一种使用keras将大文本输入到LSTM的方法。
浏览 8提问于2019-07-02得票数 0
回答已采纳
1回答
神经网络中的超长序列
、、、
初学者关于神经网络中序列的问题:假设我有分类问题，看起来如下：
类取决于整个序列--不可能在没有看到所有类的情况下确定类。我已经阅读过各种方法，例如截断序列(这是一个问题--序列的截短部分没有类，所以我不能标记它)，使用编码器/解码器lstm (同样，不能完全理解它如何解决问题)等等。
浏览 0提问于2018-05-03得票数 2
根据文档，LSTM层应该使用(None，CONST，CONST)形状处理输入。对于可变时间步长，它应该能够使用(None，None，CONST)形状处理输入。[1, 2, 3], ], [7, 8, 9]]我的模特： tf.keras.layers.LSTM(32, activation='
浏览 1提问于2019-02-16得票数 2
回答已采纳
我正在尝试使用Keras (2.0.6)和TensorFlow后端(1.2.1)来屏蔽卷积LSTM层中丢失的数据：from keras.models import Sequentialfrom keras.layers import Masking, ConvLSTM2D
n_width = 64n_channels如何对ConvLSTM2D-layer使用<
浏览 10提问于2017-08-08得票数 4
0回答
我目前有一个keras模型，它使用完全卷积网络将每个像素分类为属于目标或背景。因为我只有两个类(对象或背景)，所以我在输出层使用了sigmoid激活和binary_crossentropy损失。然而，对于一些图像，我不确定其中一些像素属于哪种类别，因此我想将这些像素标记为空，以便网络权重不会基于这些像素的预测进行更新。在Keras中有没有一种处理空标签的方法？通常，一种方法是为每个
浏览 6提问于2017-11-28得票数 1
回答已采纳
1回答
我们将尝试使用朴素的Bayes分类器或自然语言处理来进行排序，但它并不像看起来那么简单:有很多不同的工具、方案和模型。
问题是，在我们的情况下，有什么算法和工具可以帮助我们？我们应该注意什么？
浏览 0提问于2018-05-22得票数 3
回答已采纳
我在Keras中创建了一个使用卷积层和LSTM层的网络。事实上，我的网络在GPU中的速度变慢了(希望这不是一个进一步的问题)。我希望tensorflow将所有卷积操作抛到GPU，但将所有LSTM操作保留在CPU中。这有可能吗？那么，考虑到我可以找到tensorflow图并识别它的每个张量，我能手动定义每个张量执行其操作的位置吗？
浏览 5提问于2017-09-22得票数 3
回答已采纳
3回答
前一项分类重要时的分类
、、、、
我有一个分类问题要解决，这似乎是常见的，但我正在努力寻找这个任务的名称和最好的方式来模拟这个问题。我的本能反应是把这个问题和序列标记结合起来，在结尾加上一个CRF层。
浏览 0提问于2021-11-06得票数 3
2回答
我已经将一系列图像读取到一个形状为(7338, 225, 1024, 3)的numpy数组中，其中7338是样本大小，225是时间步长，1024 (32x32)是3通道(RGB)中的扁平图像像素。我有一个带有LSTM层的顺序模型：model.add(LSTM(128, input_shape=(225, 1024, 3))Input0 is incompatible with layer lstm_1: expected ndim=3, found ndim=
浏览 3提问于2017-12-06得票数 12
回答已采纳
我目前正在建立一个CLDNN (卷积，LSTM，深度神经网络)的原始信号分类模型。我的问题也适用于多模型堆叠的其他网络。如果我的网络结构为我必须在每一层之后放一个下拉，还是只在输出之前放一个？输入->卷积->丢包-> LSTM ->退出-> DNN ->退出->输出
或<
浏览 4提问于2017-01-20得票数 1
回答已采纳
1回答
连接Keras中的掩码输入
、、、、
使用Keras API，我尝试构建一个神经网络模型，如下所示。我有两个输入，每个输入都是分类时间序列，它们已经转换为一次hots。我想首先对每个输入应用一个掩蔽层，以便忽略填充，然后对每个输入应用TimeDistributed密集层，最后在将结果传递到LSTM之前连接密集层的输出。TimeDistributed,LSTM,Masking
input1=Input(shape=(None,5),bat
浏览 0提问于2021-07-07得票数 0
directory=None,tuner="greedy",参数输入和输出的文档显示
类似地，什么是GraphAutoModel类？用户可以以类似于Keras模型的方式使用它，因为它还具有fit()和predict()方法。
HyperBlocks是什么
浏览 0提问于2019-12-12得票数 1
回答已采纳
1回答
实现以下目标的最有效方法是什么：让模型预测一个新的测试条目(一维numpy数组)中的动作。
这是我第一次尝试机器学习，谢谢您的任何指示。
浏览 0提问于2018-12-03得票数 2
我正在阅读的文章(递归神经网络的不合理有效性)，并想了解如何在Keras中表达一对一、一对多、多对一和多对多的LSTM神经网络。我读过很多关于RNN的文章，了解了LSTM NNs是如何工作的，特别是消失梯度、LSTM单元、它们的输出和状态、序列输出等等。但是，我很难用Keras来表达所有这些概念。首先，我使用LSTM层创建了以下玩具NNfrom keras.layers
浏览 0提问于2018-09-02得票数 8
我正在尝试向我的神经网络添加更多的LSTM层，但我一直收到以下错误：我的模型的代码如下：
model.add(LSTM(60, r
浏览 3提问于2017-11-16得票数 1
1回答
我想预测(灰度)视频的下一个帧，考虑到N以前的帧--在Keras中使用CNN或RNN。大多数关于时间序列预测和Keras的教程和其他信息在他们的网络中使用一维输入，但我的教程和其他信息将是3D (N frames x rows x cols)。
使用一个或多个LSTM层。这里的问题是，我不确定它们是否适合于以一系列图像代替一系列标量作为输入。内存消耗不会爆炸吗？如果可以使用它
浏览 3提问于2017-03-06得票数 17
回答已采纳
1回答
我有一个关于如何在Keras中将卷积层和LSTM层结合起来的问题。LSTM的输出为(H，W)张量。
我试图在我的模型中使用Timedistribut
浏览 0提问于2017-08-25得票数 1
1回答
最近我学习了ResNet的跳转连接，我发现这种网络结构在训练过程中会有很大的改进，它也适用于卷积网络，如U-net。但是，我不知道如何用LSTM自动编码网络实现类似的结构。我正在使用keras的方法来实现，但是我不断地得到错误。from keras.layers import LSTMfrom keras.layers import RepeatVector
frommodel.add(T
浏览 14提问于2020-03-20得票数 3
回答已采纳
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
