1回答
keras.layers.Input(shape=(SEQUENCE_LEN, VOCAB_SIZE), name="input")decoded = keras.layers.RepeatVector(SEQUENCE_LEN, name="repeater
浏览 0提问于2019-07-12得票数 0
回答已采纳
2回答
我想在相同数量的tensorflow keras包装器中实现单向和双向LSTM。例如，我用256个单元实现单向LSTM，用128个单元实现双向LSTM (据我所知，每个方向的LSTM为128个单元，总共256个单元)。in_)
print(model_bidirectional.summary())
但是，从模型的总结来看，与双向LSTM相比，单向LSTM
浏览 0提问于2020-07-27得票数 1
回答已采纳
1回答
双向LSTM输出形状
、、、
有一个双向LSTM模型，我不明白为什么在第二个实现Model2.add(双向( LSTM (10，recurrent_dropout=0.2)之后，我们得到了2维(None，20)，但在第一个bi directionaLLSTM中我们得到了(None，409，20)。from tensorflow.keras.layers import LSTM,Dense, Dropout,Bidirectional
from tensorflow.keras.layers import, retur
浏览 38提问于2020-11-03得票数 0
回答已采纳
1回答
大家都知道，Py手电的LSTM实现是一个分层的双向LSTM.我不知道这个输出是如何输入到第二个LSTM层的。前向层和前向层的输出会被合并或连接吗？for idx, layer in enumerate(self.layers):
x, hxc
浏览 4提问于2022-03-12得票数 0
1回答
双向LSTM的几个问题
、、、、
最初，我使用了带有两个隐藏层的LSTM，然后决定看看使用双向层是否会有任何改进。我没有改变输入的形状从LSTM到双向LSTM。当我运行LSTM版本时，它运行得很好，但是当我运行双向版本时，我得到了一个关于第二层的错误，期望有4个维度。我的问题是为什么会发生这种情况，我能做些什么？错误消息: ValueError: Input 0与bidirectional_2层不兼容:预期的ndim=3，found ndim=2
训练集的输入形状</em
浏览 0提问于2018-12-06得票数 1
回答已采纳
1回答
了解keras层中的形状
、、、、
我正在学习Tensorflow和Keras来实现LSTM many-to-many模型，其中输入序列的长度等于输出序列的长度。size_batch, rnn_units,我很难理解每一层的输入和输出的形状例如，Embedding_Layer的输出形状是(BATCH_SIZE, time_steps, length_of_input)，在本例中是(30, 50, 64)。类似地，稍后Bi
浏览 1提问于2021-03-29得票数 1
1回答
所以我知道什么是LSTM单位。但是我很难理解Keras框架中的实现/功能。model.add(LSTM(5, ...))这是否意味着，我一个LSTM单元，它被展开成五个时间步骤？如果我错了，请纠正我。我很困惑，因为我以为一个LSTM会在下一个迭代中使用它自
浏览 0提问于2019-11-18得票数 0
医生说
现在，批处理和hidden_size我假设，所有层的所有“最后单元格”的隐藏状态都包含在这个输出中。但是，例如，“最上层”中的“最后一个单元格”的隐藏状态是什么？h_n[-1]？h_n[0]？输出是否受batch_first选项的影响？
浏览 0提问于2018-04-05得票数 5
1回答
我现在正在编码双向LSTM模型。然而，在建立模型的过程中出现了一个错误。我该怎么解决呢？下面是我的模型代码。def lstm_model(): model.add(Bidirectional(LSTM(lstm_sell=True model.add(Bidirectional(LSTM(lst
浏览 4提问于2020-04-27得票数 0
回答已采纳
1回答
我尝试使用双向LSTM，将文本数据(句子)分类到特定类别。我使用了其中的3个作为示例。我遵循了，即“使用sigmoid激活您的输出层”，“使用binary_crossentropy实现损失函数”。Error when checking target: expected dense_1 to have shape (3,) but got array with shape (100,)
我不需要LSTM返回一个隐藏状态输出序列，我只需要最后一个输出。我认为我在LSTM中使
浏览 3提问于2018-08-07得票数 0
我正在运行一个LSTM代码，我想使它成为双向LSTM。我该怎么做？model.add(LSTM(lstm_size, batch_size=batch_size, input_shape=(step_size, new_num_notes+chord_dim+counter_size), stateful=True))
model.add(L
浏览 1提问于2019-04-05得票数 1
1回答
LSTM输入混乱
、、、、
我试着理解LSTM输入已经有一段时间了，我想我理解了，但是我一直对如何实现它们感到困惑。在指定LSTM时，可以指定单元格数和输入形状(我对输入形状有问题)。单元格数指定了多少个单元格应该查看给定的数据，而不影响所需的输入形状。输入形状(当状态)按批处理大小、批处理中的时间步骤和时间步骤中的特性进行。有状态的LSTM保留它的内部状态直到重置。是这样的吗？如果是这样的话，我在试图为我的网络指定输入形状时有很多困惑。
浏览 8提问于2020-12-29得票数 0
回答已采纳
1回答
__init__() self.outsublist with value -91 lstm_input=False, enforce_sorted=False) # seq_lengths.cpu()
浏览 3提问于2021-09-22得票数 0
回答已采纳
我试图在keras中使用Conv1D和双向LSTM来进行信号处理，但是对每个时间步骤进行多类分类。问题是，尽管Conv1D和LSTM使用的形状在某种程度上是等价的：
LSTM：(批处理，timeSteps，特性)
Conv1D的输出为= (length- (kernel_size - 1)/strides)，因此不再匹配LSTM形状，即使不使用MaxPooling1D和Dropout。sample
浏览 3提问于2017-12-01得票数 1
回答已采纳
1回答
在我使用的实现中，lstm的初始化方式如下：我不太明白的是，这可能是因为缺乏一般的Python经验：l_lstm= Bidirectional(LSTM(...))因为它不是LSTM()的参数，但似乎也不是Bidirectional()的参数。以下是双向文档：
def __init__(self, layer, m
浏览 2提问于2018-10-28得票数 0
回答已采纳
1回答
Keras上的多维Y_train
、、、、
(1098360，14)，但使用utils.to_categorical()方法后，y_train形状变为(1098360，14，16)。我有两个双向LSTM层：model.add(Bidirectional(LSTM(256, return_sequences=True)))model.ad
浏览 4提问于2020-06-10得票数 2
回答已采纳
2回答
我一直在尝试使用TensorFlow v2 keras来训练双向LSTM来进行文本分类。Sequential() model1.add(Bidirectional(LSTM(16,dropout我的怀疑与BiLSTM
浏览 6提问于2020-05-27得票数 1
回答已采纳
1回答
我正在尝试为sequence- to -sequence模型实现双向LSTM。我已经对我的序列进行了一次热编码，总共有12个特征。输入为11步，输出为23步。首先，我编写了这个LSTM实现，它使用第一个LSTM作为编码器，第二个作为解码器。LSTM作为编码器，使用第二个双向LSTM作为解码器。我删除了双向实现中的RepeatVector，因为它给了我一个维度错误(需要dim=2，收到dim=3)。对于当前的双向<em
浏览 28提问于2021-04-02得票数 1
回答已采纳
1回答
如何读取Keras的模型结构？
、、、、
tf.keras.layers.Embedding(encoder.vocab_size, 64),Total params: 598,209Non-trainable params: 0( 1)对于嵌入层，为什么输出形状是为什么其他两个人都没有
2)双向层的输出形状如何为(None, 128)
浏览 0提问于2019-12-21得票数 1
1回答
Keras多维输入
、、、、
我输入的时间序列数据是形状的(nb_samples，75，32)。model.add(LSTM(4, input_shape=(75, 32)))LSTM的权重向量，[W_i, W_c, W_f, W_o]都是32个维，但是输出只是一个单一的值。该模型的输出形状为(1,4)。但是在LSTM中，输出也是一个向量，所以对于上面的许多实现来说，它不应
浏览 0提问于2017-03-05得票数 3
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
