我正在尝试通过序列示例提供训练数据的方法，如链接通过输入管道和队列训练基于LSTM的RNN模型中所述。由于这些示例是符号引用，我不清楚如何在经过训练的模型上提供单个或一批测试输入。
浏览 9提问于2017-06-26得票数 0
2回答
我正在研究https://www.tensorflow.org/tutorials/text/text_generation上的一个Keras示例 这个模型是这样构建的： def build_model(vocab_size, embedding_dim, rnn_units, batch_size): tf.keras.layers.Embeddingbatch_inpu
浏览 18提问于2020-10-31得票数 1
回答已采纳
我的场景：
定义RNN模型结构，并使用具有固定批大小和序列长度的输入对其进行训练。冻结模型(即将所有可训练变量转换为常量)，生成包含测试时使用该模型所需的一切的GraphDef (通过tf.graph_util.convert_variables_to_constants)。问题:所有这些都可以工作，直到我将输入传递给<em
浏览 0提问于2017-04-18得票数 4
2回答
我已经成功地用tensorflow训练了一个word2vec，并且我想把这些结果输入到一个带有lstm细胞的rnn中进行序列标记。2)我没有找到太多关于如何实现序列标记lstm的文档。(我怎么把我的标签带进来？)
有人能为我指出如何开始这项任务的正确方向吗？
浏览 0提问于2015-12-25得票数 7
回答已采纳
1回答
我正在使用Keras来构建我的架构。
我试图解决的回归问题对于不同的训练样本有不同的输出。假设我有与我的前两行y_train = [[16, 3], [6], ... ]对应的前两行X_train (input data)。我希望将密集层单元的输出分配给这些y_train行的长度。例如，对于第一个训练样本，我想要model.add(dense(2))，因为y_train[0]有长度2，对于第二个训练
浏览 0提问于2019-07-31得票数 1
在阅读有关文本生成的递归神经网络时，我注意到一些例子被逐字生成文本，而另一些例子却没有具体说明原因。
那么，预测每单词文本的RNN模型和预测每字符文本的RNN模型有什么区别呢？基于单词的RNN需要更大的语料库吗？基于字符的RNN推广得更好吗？也许唯一的区别是输入表示(一次热编码，字嵌入)？为文本生成选择哪一个？
浏览 0提问于2016-08-01得票数 19
回答已采纳
转换器解码器接收两个输入，编码器的输出和目标序列。本回答提供了如何将目标输入解码器的方法。如果有人能帮我澄清这件事会很有帮助的。
浏览 0提问于2020-09-15得票数 1
回答已采纳
2回答
我正试着开始学习RNN，我正在使用Keras。我理解普通RNN和LSTM层的基本前提，但是我很难理解特定的训练技术要点。在角化酶(文件)中，它表示RNN层的输入必须具有形状(batch_size, timesteps, input_dim)。这表明所有的训练示例都有固定的序列长度，即timesteps。我可能想让RNN对不同长度的句子进行操作。当
浏览 0提问于2018-01-06得票数 120
1回答
我的目标是以73791096754314441539的形式从图像中提取文本，这基本上就是OCR所做的。
a-z，A-Z，包括spaces 在内的特殊字符
outputs, _ = tf.nn.dynamic_rnn</em
浏览 0提问于2017-07-11得票数 6
假设我们有三个不同长度的桶。那么我们要训练三个不同的网吗？我们不能保留一个动态RNN吗？其中，它将根据编码器中输入序列的长度添加单元。然后编码器将最后的隐藏状态传递给解码器。它能用吗？
浏览 0提问于2017-06-08得票数 1
我想在我的神经网络体系结构中使用预先训练过的嵌入。预先训练的嵌入是由gensim训练的。我们可以简单地加载批处理序列的令牌吗？模型中将令牌转换成它的索引。我发现您可以通过使用word2vec模型的vocab获得单词的索引# 147
因此，作为对嵌入层
浏览 0提问于2019-02-12得票数 4
回答已采纳
我正在做我的第一步学习TF和有一些困难的训练RNN。
我的玩具问题是这样的:一个两层的LSTM +密集层网络被输入原始音频数据，并且应该测试声音中是否存在一定的频率。因此，网络应该从1到1映射浮动(音频数据序列)到浮动(预选的频率体积)。在训练期间，我用(BATCH_SIZE，SEQUENCE_LEN,1)批给它，看起来损失是正确的，但是我不知道
浏览 1提问于2016-10-08得票数 1
回答已采纳
3回答
是否有一个简单的实值时间序列数据集，可以训练一个普通的RNN模型。对于“非常简单”，我的意思是每个时间步骤只有2到4个实值输入，每个时间步骤只有一个实值输出。背景:我正在研究机器学习和形式化方法的交叉。为了测试一种正式验证RNN的新技术，我们需要从一个非常简单的设置开始。
谢谢!
浏览 0提问于2019-08-12得票数 1
在Tensorflow的RNN教程中：。它提到了两个参数:批量大小和时间步长。我被这些概念搞糊涂了。在我看来，RNN引入批处理是因为训练序列可能很长，以至于反向传播无法计算那么长的(爆炸/消失梯度)。因此，我们将长的待训练序列划分为较短的序列，每个序列都是一个小批量，其大小称为“批大小”。我说对了吗？
关于时间步长，RNN仅由一个单元(LSTM或GRU单
浏览 1提问于2017-06-06得票数 16
这个问题与这里所示的神经机器翻译有关：批量= 64RNN单元的数(也是隐藏状态向量的长度或隐藏状态向量在每个时间步长)= 1024这被解释为：
在每一批(总共64)中，对于每个输入字(总共16)，在每个时间步骤中存在一个1024维向量。这个1024维向量表示在编码过程中特定时间步骤的输入字。这个1024维向
浏览 2提问于2020-09-25得票数 0
回答已采纳
我试图建立一个RNN模型来预测几个不同城市和不同产品部门的日销售额(每天的分类特征和多个输入)，以及诸如流量、温度等数值特征(每天的单输入)。如何使用这些特性构建模型。我试图将编码(Label编码器)标记为分类特征，并试图连续地训练/更新一个RNN模型，并将每个城市的产品段数据的时间序列提供给它，但最终得到了巨大<em
浏览 0提问于2020-06-04得票数 0
我正在使用Tensorflow的组合GRUCell + MultiRNNCell + dynamic_rnn来生成一个多层LSTM来预测元素序列。在我所见过的几个例子中，如字符级语言模型，一旦完成了训练阶段，一代人似乎一次只输入一个“字符”(或任何元素)来得到下一个预测，然后根据第一个预测得到下面的“字符”，等等。我的问题是，既然Tensorflow的dynamic_rnn将RNN
浏览 5提问于2017-04-18得票数 0
回答已采纳
1回答
我是一个新的keras用户，我想很容易地理解如何构建一个lstm模型。每个用户都有序列序列，但必然有相同的长序列。每个系列对应一个多标签系列。我的目标是预测每个用户的下一个序列的标签，并考虑最后的序列(作为时间序列)。
当我只使用一个用户时，我就成功了。实际上，我做了一个lstm输入，例如(批处理大小、时间步长、特征)，其中批处理大小等于1，因为
浏览 3提问于2017-06-10得票数 0
回答已采纳
2回答
如何训练序列项的LSTM模型？
、、、、
因此，我想使用LSTM来训练每个用户的过去序列来预测下一个购买序列。下面，我定义了一个LSTM模型，其中我不返回序列，因为我有一个用户标签。(X_train, y_train, batch_size=1, epochs=1, shuffle=1)
如您所见，我使用batch_size =1来训练我的LSTM，因为用户之间的时间步骤不同。我在70%的用户上对模型进行了拟合，并在其他用
浏览 5提问于2017-06-13得票数 8
在这里也被问到了类似的问题，但答案是针对咖啡馆的。以下是我的具体问题：
我的一个朋友用Theano和TensorFlow为某个问题设计了一个随机神经网络。它有14个输入节点，2个隐藏层，每个层有7个节点，最后是一个输出节点。我们大约有30,000个这样的RNN需要训练。我是一个很少接触机器学习的软件工程师。我需要做的是加快这些RNN的训练过程。从CS的角度来看这个
浏览 0提问于2016-07-14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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
