我有一个LSTM模型，它根据今天的流出量、温度和降雨量来预测明天的流出量。model = Sequential() input_shape=(X_Train.shape[1],X_Train.shape[2])))model.add(LSTM(units=50))model.addmean_squared_
浏览 371提问于2020-09-30得票数 0
2回答
时间序列数据的趋势
、、、
我使用带有LSTM层的Keras序列模型和时间序列数据来预测未来的值。为此，我在某个时间点将我的数据划分为训练数据和验证数据。时间序列数据具有积极的趋势，因此我的训练数据中的平均值低于我的验证数据中的平均值，因为我使用较新的数据作为验证。 初始模型每次预测0.5次，这是一个糟糕的模型。在下一个时期，模型将通过训练数据学习，预测值的平均值将低于0.
浏览 30提问于2021-04-21得票数 0
回答已采纳
我现在使用Keras来训练我的LSTM模型来解决时间序列问题。我的激活函数是线性的，优化器是Rmsprop。然而，我观察到的趋势是，当训练损失缓慢减少时，在一个较小的值附近波动，验证损失在很大的方差上上下跳跃。
因此，我提出了两个问题: 1.验证性损失是否影响培训过程？2.如何使模型更稳定，从而使模型返回一个更稳定的验证损失值？
浏览 6提问于2017-08-21得票数 0
这是我的代码片段：model.add(keras.layers.LSTM(28,input_shape=(300,1),return_sequences=True))model.add(keras.layers.LSTM(14))
model.add(keras.layers.Dropout,epochs=20,batch_size=3000)
浏览 0提问于2018-09-24得票数 3
回答已采纳
2回答
对于以下问题，我没有找到任何答案：m = load_model.load("lstm_model_01.hd5")
我检查了m的所有可调用方法，但没有找到我要找的东西
浏览 0提问于2018-03-07得票数 2
回答已采纳
1回答
我正在参考keras 来构建一个以嵌入和其他一些重要特性的形式接受多个输入的网络。但是，如果我们已经定义了主损失，那么我就不明白辅助损失的确切影响。在这里，我们插入辅助损耗，允许LSTM和嵌入层被平滑地训练，即使主损耗在模型中要高得多。
我们编制了该模型</
浏览 0提问于2017-04-04得票数 10
回答已采纳
我在解释我的模型的训练和验证损失、敏感性和特异性时遇到了一些困难。我的验证敏感性、特异性和丢失性是NaN，我正在尝试诊断原因。因为我对有状态LSTM感兴趣，所以我遵循了philipperemy的建议，使用了model.train_on_batch和batch_size = 1。我有多个输入:一个称为seq_model_in，它是一个时间序列，另一个称为feat_in，它不是时间序列(因此在LSTM之后，但在分类步骤之前，它就连接到了<
浏览 0提问于2018-02-03得票数 1
1回答
损耗曲线中的振荡
、、
训练时，训练损失和验证损失在一个数字左右，没有明显减少。我有122707次训练观察和52589次测试观察，有55个解释变量和一个相关变量，一个CONN1D有24个滤波器，2个Lstm年有24个单元和一个致密层。我在两层之间增加了0.2的辍学率。📷添加补充信息:我试图预测下一个小时的空气污染，根据以前的值，空气污染浓度，前一个小时的气象数据，如温度，风速等。还包括了日，小时和月，并用一个热编码编
浏览 0提问于2020-12-15得票数 0
回答已采纳
1回答
下面是模型。想知道有没有共享的权重。sub_model=tf.keras.models.Sequential([Embedding(vocab_size,300,input_length=79), Bidirectional(LSTM(79,return_sequences=True)),
tf.keras.layers.GlobalAveragePooling1D='out2')(sub2
浏览 9提问于2020-08-29得票数 0
1回答
假设我有两个相互串联的模型。我用的都是lstm。我想从其中一个中得到一个预测，找出预测值和地面真相之间的损失，并传递这个数字来更新另一个模型。有谁能告诉我在Keras模型中从外部添加外部损失的地方。假设预测值与真实值之间的损失为0.2。我想将这0.2作为外部值传递给另一个lstm模型，以增加它
浏览 1提问于2019-06-28得票数 2
有人知道如何使用TensorFlow进行多任务深度学习吗？也就是说，共享底层而不共享顶层。你能分享一些示例代码吗？
浏览 0提问于2016-06-16得票数 3
我正在创建一个基于LSTM的变分自动编码器。我已经创建了自己的自定义损失函数，其中我使用了两个不同的类变量pos_weight和kl_cof。每一个时代，kl_cof都在改变它的值。当self.autoencoder完成训练后，模型将保存为'lstm_vae.h5‘文件。在其他线程中做了一些研究之后，它说我应该这样传递custom_object内部的损失函数
lstm_vae=keras.models.l
浏览 5提问于2020-08-14得票数 0
我正在尝试使用Keras为时间序列重建建立LSTM-VAE模型。我曾经参考过https://github.com/twairball/keras_lstm_vae/blob/master/lstm_vae/vae.py和https://machinelearningmastery.com我在训练网络时遇到问题，在急切执
浏览 164提问于2020-09-21得票数 3
回答已采纳
我训练了一个使用CuDNNLSTM单元的keras模型，现在我希望将该模型加载到缺少GPU的主机设备上。有什么后门可以让我在没有GPU的主机上加载模型吗？任何建议都会很有帮助的！
浏览 0提问于2018-10-19得票数 2
回答已采纳
1回答
我正在使用tensorflow训练RNN，其中我在自定义损失函数中使用了一些输入数据。我已经将我想要在自定义损失中使用的输入数据附加到我的目标值，以便当我对其进行随机洗牌时，output_tensor看起来是这样的： <tf.Tensor: shape=(900, 2), dtype=float64： def create_LSTM(): tf.keras.l
浏览 22提问于2020-08-14得票数 0
回答已采纳
1回答
keras中每一层的错误
、、、
我正在尝试通过使用Keras的张量板来可视化CNN中每一层的错误，以查看它们是如何在每一层中及时变化的。如何获取每一层的错误？
浏览 0提问于2018-04-25得票数 0
1回答
验证精度波动不定。
、、、、
, so thats why return_sequences=True lstm_l6 = tf.keras.layers.LSTM(128, activation='tanh',)tf.keras.optimizers.Adam(learning_rate=0.001)
model.compile(loss="categorical_crossentropy', mode = 'min
浏览 2提问于2021-11-02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
腾讯会议
云直播活动推荐
腾讯云开发者
