我正在使用Tensorflow-hub预训练的Word2vec模型进行文本分类。我正在寻求将LSTM层添加到keras模型中。input_shape=[], trainable=True)) 添加LSTM层后： model.add(tf.keras.layers.<e
浏览 36提问于2021-08-01得票数 0
回答已采纳
我想使用一个(2层)预训练的LSTM模型，并且我想在最后一个密集层之前添加一个新的LSTM层。所以我要添加的层将是第三层。因为预训练模型的第二个LSTM已经设置了return_sequences=True。我无法添加第三个LSTM层。如何使用LSTM
浏览 10提问于2019-09-18得票数 1
冻结之前，我的模型有162个trainable_weights。冻结后，模型只有2层。我将2层绑定到预先训练的网络。trainable_weights会告诉我要训练的层吗？
浏览 1提问于2019-10-06得票数 0
2回答
假设我们有一个用于时间序列预测的LSTM模型。而且，这是一个多变量的例子，所以我们使用多个特性来训练模型。CuDNNLSTM(10, return_sequences = False)(x)我们可以在LSTM之前(如上面的代码)或LSTM之后添加Dropout层。如果我们在LSTM之
浏览 5提问于2019-11-07得票数 12
回答已采纳
1回答
我正在尝试用于语言翻译的编解码模型，但是val_acc是浮动的，而且不会超过16%。因此，我决定添加Dropout以避免过度适应，但我不能这样做。请帮助我在代码中添加下拉列表，如下所示：encoder_inputs = Input(shape=(None,))encoder_lstm = LSTM<
浏览 11提问于2021-03-08得票数 1
1回答
我想使用Tensorflow和Keras在预先训练好的模型中添加新的层。问题是，这些新的层不是要添加到模型的顶部，而是在开始时添加。我想创建一个三连体模型，它采用3种不同的输入和3种不同的输出，使用预先训练的网络作为模型的核心。为此，我需要在模型的开头插入3个新的输入层。默认路径是仅链接层和模型</em
浏览 73提问于2019-06-25得票数 1
回答已采纳
我在凯拉斯有个受过训练的模特。是否可以使用“.h5”文件中预训练模型的前4个conv层的权重来初始化新模型的前4个conv层？是否必须先加载整个预先训练过的模型？？
浏览 6提问于2020-08-19得票数 0
根据tensorflow的正式文件：设置layer.trainable = False的意思是冻结该层，即它的内部状态在训练期间不会改变:它的可训练权重不会在fit()或train_on_batch()期间被更新，它的状态更新也不会运行。通常，这并不一定意味着该层以推理模式运行(通常由调用层时可以传递的训练参数控制)。“冻结状
浏览 12提问于2020-07-04得票数 3
回答已采纳
1回答
我想训练一个模型(VGG+LSTM)，用于在视频序列中执行重新识别任务。我的代码的主要问题是，在我训练了模型之后，我想要进行推断，但LSTM似乎不起作用。(我连续9次向模型输入一张图片，但每次在lstm之后输出相同的向量，所以我认为一定是出了什么问题)。 top: "lstm_Y_flatten&q
浏览 2提问于2018-06-21得票数 0
1回答
我有一个精度相当高的预训练模型，但是模型是在一个不同的数据集上训练的，数据集的输入形状为(4096,12)和输出形状(6)。我想微调这个预先训练的模型，我的数据有一个输入形状(350,5)。为此，我在预先训练的模型输入之前添加了一些层，以获得形状(4096,12)，并添加了一个形状(5)的输出致密层。我的模型的
浏览 9提问于2022-01-10得票数 0
我想在预训练的BERT模型的最后一层之后添加一个回归层。attention_masks])output = tf.keras.layers.Dense(100,activation='relu')(output)
但我不知道如何冻结BERT模型，只训练回归层。
浏览 32提问于2021-05-13得票数 0
2回答
我有一个使用keras开发的简单的LSTM网络：model.add(LSTM(rnn_size,input_shape=(2,w),dropout = 0.25
浏览 0提问于2019-03-26得票数 4
1回答
BERT序列标记
、、、
我正在使用一个由嵌入层和LSTM组成的模型来执行序列标记，在py电筒+ torchtext中。我已经把句子标记出来了。
如果我使用自我训练或其他预先训练过的字嵌入向量，这是很简单的。但是，如果我使用Huggingface BertTokenizer.from_pretrained和BertModel.from_pretrained，则在句子的开头和结尾分别添加了'[CLS]'和'[因此，模型的输出变成比标签/目标
浏览 0提问于2020-05-10得票数 0
回答已采纳
在使用keras lstm的聊天机器人模型中，推理模型应该具有与主模型相同数量的层，还是无关紧要？
浏览 51提问于2020-06-03得票数 1
回答已采纳
我目前正在用TF 2.8在Keras中培训NLP模型，在那里我正在通过添加GRU和LSTM层进行实验。当我训练模型时，我用不同的批次大小来观察它对准确性和总训练时间的影响。我注意到的是，在一定数量后增加批次后，培训时间并没有减少，在一定数量之后，培训规模保持不变。
我以2的批次开始，然后慢慢增加到4096倍，试两倍，但在512之后的训练时间保持不变。
浏览 20提问于2022-12-04得票数 2
回答已采纳
1回答
如果一个人使用更多的时代或更多的层次，那么训练有什么不同呢？ LSTMfor epoch in range(5):我知道训练后会有不同在第一种情况下，您将通过一个经过训练的LSTM单元发送任何测试批次，而在第二个
浏览 3提问于2017-12-18得票数 0
回答已采纳
尝试使用fastai的language_model_learner：错误：AttributeError Traceback (most recent call last)
<ipython-input-17-811d
浏览 2提问于2019-07-28得票数 2
2回答
网络的结构包括6个卷积层和3个完全连接层。考虑到在大多数情况下，新作者/类的数据量将是最小的，那么我应该替换和重新培训哪些层来使新类成为最有效的类？还是我可以考虑其他方法来解决这个问题？
浏览 0提问于2020-06-21得票数 1
回答已采纳
内置的LSTM单元为您提供了一个可调用的。但是，我想在LSTM层之前和之后添加静态层，并通过backprop训练所有内容。这有可能吗？
浏览 0提问于2016-03-26得票数 1
我正在与Keras一起工作，并试图分析一些有意义的权重层和一些随机初始化层所建立的模型对精度的影响。喀拉斯：model = keras.applications.VGG19(include_top=False, weights="imagenet", input_shape=(img_width, img_height, 3))我加载VGG19<e
浏览 0提问于2020-11-01得票数 6
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
