如何使用TensorFlow LSTM教程进行字符级语言建模？
TensorFlow是一个开源的机器学习框架，提供了丰富的工具和库来支持各种深度学习任务。LSTM（长短时记忆网络）是一种特殊的循环神经网络（RNN），在自然语言处理领域中广泛应用于语言建模、文本生成等任务。
要使用TensorFlow进行字符级语言建模，可以按照以下步骤进行：
- 数据准备：
- 准备一个包含大量文本的数据集，可以是小说、新闻文章等。
- 将文本数据转换为字符级别的序列，每个字符作为一个样本。
- 构建字符到索引的映射表，方便后续将字符转换为数字表示。
- 数据预处理：
- 将字符序列划分为输入序列和目标序列，用于训练模型。
- 将字符序列转换为数字序列，方便输入到神经网络中。
- 对输入序列和目标序列进行独热编码，将其转换为二维张量。
- 构建模型：
- 导入TensorFlow和相关库。
- 定义LSTM模型的结构，包括输入层、LSTM层、输出层等。
- 设置模型的超参数，如隐藏层大小、学习率等。
- 模型训练：
- 定义损失函数，一般使用交叉熵损失函数。
- 选择优化器，如Adam优化器。
- 使用训练数据进行模型训练，不断迭代优化模型参数。
- 模型评估：
- 使用测试数据评估模型的性能，计算损失值和准确率等指标。
- 模型应用：
- 使用训练好的模型进行字符级语言建模，生成新的文本序列。
在腾讯云上，可以使用TensorFlow的GPU版本进行加速训练，提高模型训练的效率。腾讯云提供了云服务器、GPU云服务器等产品，可以满足不同规模和需求的深度学习任务。
更多关于TensorFlow LSTM的教程和示例，可以参考腾讯云的文档和示例代码：
- TensorFlow官方文档：https://www.tensorflow.org/
- TensorFlow中文社区：https://tensorflow.google.cn/
- 腾讯云AI Lab：https://ai.tencent.com/ailab/
请注意，以上答案仅供参考，具体实现细节和代码实现可能需要根据具体情况进行调整和修改。
相关·内容
1回答
我在TensorFlow中构建了一个基于的下一个字符预测神经网络。因此，我能够成功地计算出给定测试序列的下一个字符的概率分布。
取所有log概率的平均值，我可以成功地得到“字符级别的困惑”。我几乎已经使用了这个中的代码来实现这个目标。
但是，我需要转到"word级困惑“，因为我需要将我的模型与标准结果进行比较，其中大多数报告了基于"word级困惑”的语言模型的有效性。(维基百科描述了单词级的困惑)
正确的方法是什么？有可能吗？
浏览 1提问于2016-12-03得票数 1
回答已采纳
我想构建一个会话模型，它可以使用TensorFlow LSTM使用前面的句子来预测句子。TensorFlow教程中提供的示例可用于预测句子中的下一个单词。
lstm = rnn_cell.BasicLSTMCell(lstm_size)
# Initial state of the LSTM memory.
state = tf.zeros([batch_size, lstm.state_size])
loss = 0.0
for current_batch_of_words in words_in_dataset:
# The value of state is updated
浏览 2提问于2016-02-12得票数 2
4回答
我正在学习关于LSTM：的tensorflow教程。
这一节说代码使用“截断反向传播”，那么这到底意味着什么呢？
浏览 9提问于2016-08-01得票数 4
回答已采纳
2回答
我在使用Tensorflow的LSTM细胞。
lstm_cell = tf.contrib.rnn.BasicLSTMCell(lstm_units)
我想知道权值和状态是如何初始化的，或者确切地说，对于Tensorflow中的LSTM单元格(状态和权重)，默认的初始化器是什么？
是否有一种简单的方法来手动设置初始化程序？
注意:对于tf.get_variable()，glorot_uniform_initializer是尽可能从中找到的。
浏览 2提问于2018-03-11得票数 1
回答已采纳
1回答
我用TensorFlow建立了一些神经网络，比如基本的MLP和卷积神经网络。现在我想转到递归神经网络。然而，我在自然语言处理方面没有经验。因此，对于我来说，RNN的TensorFlow NLP教程并不容易阅读(也不是很有趣)。
基本上，我想从一些简单的东西开始，而不是LSTM。
如何在TensorFlow?中建立一个简单的递归神经网络，如Elman网络。
我只能找到TensorFlow的GRU或LSTM示例，主要用于NLP。有人知道一些简单的递归神经网络教程或TensorFlow的例子吗？
下图显示了一个基本Elman网络，它通常简单地称为SRN (简单递归网络)：
浏览 2提问于2016-04-25得票数 9
回答已采纳
我正在尝试使用Keras (2.2.0版)和TensorFlow (1.1.0版)来训练一个LSTM神经网络。我知道有更新的TensorFlow版本，但不幸的是，。但是，我不认为我的问题与TensorFlow版本有关。
这就是我的Keras代码的样子：
[...] from keras.layers import Dense, Dropout, LeakyReLU, LSTM, Activation, Dense, Dropout, Input, Embedding
def LSTM(X,Y):
inputDimension = len(X[0])
inputSize = l
浏览 0提问于2018-07-23得票数 5
回答已采纳
2回答
水平分层LSTM单元
、、、、
我对整个神经网络领域都很陌生，我刚刚读了一些关于LSTM细胞的教程，特别是tensorflow。
在本教程中，他们有一个对象tf.nn.rnn_cell.MultiRNNCell，据我理解，它是LSTM单元的垂直分层，类似于分层卷积网络。但是，我无法找到关于水平 LSTM单元的任何信息，其中一个单元格的输出是另一个单元格的输入。
我明白，因为这些细胞是反复出现的，他们不需要这样做，但我只是想看看这是否真的有可能。
干杯!
浏览 0提问于2016-07-20得票数 1
1回答
我想根据某些参数的值生成一些文本。例如，假设我想生成视频游戏的描述。因此，除了训练数据的真实描述外，我希望模型考虑到有关游戏的下列参数(例如)：
暴力:是的
多平台:是
毒品:不
因此，如果游戏有毒品内容，输出文本有一些短语引用它。
这个是可能的吗？如果是这样的话，我怎么能用Python来做呢？我打算在Tensorflow中使用LSTM神经网络。
浏览 0提问于2020-03-05得票数 0
回答已采纳
我对如何定义LSTM的权重矩阵感到困惑。由于LSTM有8个权重矩阵，我不知道如何在tensorflow中初始化这些LSTM的权重矩阵。
但是后来我发现了这个，它完全有意义，因为它有所有的8个权重矩阵，但它没有使用LSTM的tensorflow实现。与LSTM方程一致。但是在LSTM的tensorflow 中，我不知道如何定义所有这8个权重矩阵，因为它们是在上面的第一个实现中定义的。
你能帮帮我吗？
浏览 1提问于2016-08-05得票数 1
我已经完成了一个简单的多对一的LSTM模式如下。
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.layers import LSTM
from tensorflow.keras.layers import Dropout
model=Sequential()
model.add(LSTM(2**LSTM_units,input_length=data.shape[1],input_dim=data.shape[2],re
浏览 0提问于2020-06-22得票数 11
2回答
我打算在Tensorflow中用于LSTM培训的当前文本文件如下所示：
> 0.2, 4.3, 1.2
> 1.1, 2.2, 3.1
> 3.5, 4.1, 1.1, 4300
>
> 1.2, 3.3, 1.2
> 1.5, 2.4, 3.1
> 3.5, 2.1, 1.1, 4400
>
> ...
有3个序列，3个特征向量，每个样本只有一个标签。我格式化了这个文本文件，这样它就可以与LSTM训练保持一致，因为后者需要序列的时间步骤，或者通常，LSTM训练需要一个3D张量(批处理，时间步骤数，特征值)。
我的问题是:我应该如何使用
浏览 3提问于2016-09-18得票数 0
回答已采纳
1回答
我最近开始学习TensorFlow。我学习了关于的教程，并决定进一步研究RNN / LSTM模型。本教程解释了如何使用和绘制模型，但我也想尝试将输出值转换为“真实”值。如何从测试数据集中提取预测值并将其转换为温度？
浏览 8提问于2022-03-07得票数 0
1回答
我正在使用TF2.0中的一些LSTM层。为了训练目的，我使用回调LearningRateScheduler，为了速度目的，我禁用了Tensorflow (disable_eager_execution)的急切模式。但当我同时使用这两种功能时，tensorflow会发出警告：
Operation ... was changed by setting attribute after it was run by a session. This mutation will have no effect, and will trigger an error in the future. Either d
浏览 14提问于2019-12-13得票数 2
我正在运行TensorFlow的RNN (LSTM)语言模型示例。它运行和报告的困惑是完美的。
不过，我想要的是三件事：
给定一个序列(例如，w1，w5，w2000，w750)，给出下一个单词在词汇表上的概率分布。我不知道如何处理教程中的模型。
我希望模型返回最可能序列的排序(例如，n-g)，n可以作为输入。
和
给出一个序列，我要它的概率。
我是TensorFlow和RNN的新手，所以如果你需要比我提供的更多的信息，请告诉我。
语言模型的代码是。
浏览 6提问于2016-08-31得票数 1
回答已采纳
1回答
我是LSTM和Tensorflow的新手，我尝试使用LSTM模型来学习和分类我拥有的一些巨大的数据集。(我并不担心我打算学习的准确性)。我试图以类似于使用LSTM的PTB单词预测教程的方式实现该模型。教程()中的代码使用下面的行使用模型运行会话
cost, state, _ = session.run([m.cost, m.final_state, eval_op],
{m.input_data: x,
m.targets: y,
浏览 2提问于2016-04-29得票数 1
我目前正在使用tensorflow和python处理多层LSTM。我使用initial_state在tf.nn.dynamic_rnn中将单元格的前一个状态传递到下一步。
创建这样的层：
cells = []
for c in range(0, num_layers):
cells.append(tf.nn.rnn_cell.BasicLSTMCell(num_units = num_units, forget_bias = 1.0, activation = tf.nn.tanh))
basic_cell = tf.nn.rnn_cell.MultiRNNCell(cells)
st
浏览 0提问于2018-03-22得票数 0
1回答
我正在尝试使用子类化API构建一个自定义的keras模型，但是当我加载我的模型的前一个实例并尝试训练它时，我得到了一些错误：
这是我的模型的类，它有3个输入和1个输出：
import tensorflow as tf
spec1 = tf.TensorSpec(shape=(1,40,5,1))
spec2 = tf.TensorSpec(shape=(1,3))
class Conv_Rnn_model(tf.keras.Model):
def __init__(self):
# super() permet d'appeler le construct
浏览 7提问于2020-08-09得票数 0
我想拯救一个演员-评论家模型，但这个问题发生了。
import os
import tensorflow as tf
from tensorflow.keras.layers import Flatten, Dense, LSTM, BatchNormalization
from tensorflow.keras import Model
class ActorCritic(Model):
def __init__(self, action_size, state_size):
super(ActorCritic, self).__init__()
浏览 0提问于2021-10-24得票数 1
我使用TensorFlow已经有相当长的时间了。并且相信我对TensorFlow图是如何在会话中工作和执行的有了彻底的了解。但是，我已经以类似脚本的方式编写了所有的TensorFlow模型，如下所示：
import tensorflow as tf
import DataWorker
import Constants
x = tf.placeholder(tf.float32, [None, Constants.sequenceLength, DataWorker.numFeatures])
y = tf.placeholder(tf.float32, [None, 1])
xTensors
浏览 4提问于2017-10-05得票数 2
在Tensorflow教程中，我正在实验LSTM时间序列
在使用LSTM的“多步预测”一节中，教程说
由于这里的任务比以前的任务要复杂一些，所以模型现在由两个LSTM层组成。最后，由于72个预测，致密层输出72个预测。
之前的任务是单点预测。
我们如何知道一个问题需要多少层(在这里，2层)？
然后，从实现的角度，使用Python库，
multi_step_model = tf.keras.models.Sequential()
multi_step_model.add(tf.keras.layers.LSTM(32,
浏览 0提问于2019-12-25得票数 2
回答已采纳
起初，我以为我误解了Tensorflow API的一些地方。现在，我怀疑我只是误解了在木星笔记本中如何管理可变范围。
如果我将所有代码插入到jupyter笔记本中的单个单元格中并运行它，那么Tensorflow的LSTM教程示例工作得很好。但是，当我将程序分割成单独的单元格时，即使以正确的顺序运行所有内容(首先定义等)，我也会得到一个可变范围错误：
15 # Get lstm cell output
---> 16 outputs, states = rnn.static_rnn(lstm_cell, x, dtype=tf.float32)
ValueErr
浏览 2提问于2017-09-22得票数 0
3回答
我正在尝试使用RNN创建一个简单的文本(名称)生成器。我很好地创建了模型，但当我尝试预测值时，我总是得到相同的字母。
我的代码如下：
from tensorflow.keras.activations import softmax
from tensorflow.keras.losses import categorical_crossentropy
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense
# parameters
LSTM_NODES = 1
浏览 0提问于2020-03-10得票数 1
1回答
当用时间序列数据训练LSTM网络时，我想这些数据的顺序很重要，我的问题是这种排序应该如何.
让我们取一个时间序列向量，它将是LSTM的输入：
[X= X_0，x_{小(-1\小)}，x_{小(-2小)}，\l点，x_{small(-N\small)}]
带有指示过去值的负索引。
应该给哪个向量喂食(理论上的情况，与任何API无关)：
[X= X_0，x_{小(-1\小)}，x_{小(-2小)}，\l点，x_{small(-N\small)}]
或
[ X^r = X_{小(-N\small)}，\l点，x_{小(-2小)}，x_{小(-1\小)}，x_0]
更准确地说，在TensorFlow
浏览 0提问于2018-10-31得票数 1
回答已采纳
1回答
实际上，我正在尝试使用TensorFlow和LSTM。为此，我在文本文件(10MB)中有数据。 当我尝试复制numpy中的数据时，我得到内存已满错误。 如何准备数据以便在LSTM中使用，有什么建议吗？ 在使用此函数处理张量流之前，从File读取数据： def read_data(fname):
with open(fname,encoding="utf8") as f:
content = f.readlines()
content = [x.strip() for x in content]
content = [word for i
浏览 15提问于2019-09-10得票数 0
我正在尝试为一个与预测(类似于股票价格预测)相关的问题提出一个实验性的解决方案。
我已经阅读了很多关于使用机器学习和使用LSTM (keras和tensorflow)进行股票价格预测的文档。我了解机器学习本身的一般理论，以及LSTM层如何在幕后工作。
在经典的“苹果(Apple)股价预测”场景中，我看到的教程有3层和50个单元，其他的只有2层和128个单元。
在我必须自己编写代码的情况下，我如何确定LSTM的数量和预测正常工作所需的单元数量？我目前的主要猜测是试图通过试验和错误来找出答案。我想知道问题、数据和解决方案之间是否存在某种关系。
此外，如果有人能解释拥有更多/更少的LSTM层和更多/
浏览 7提问于2021-09-15得票数 0
我有一个LSTM模型，我想训练多个gpus。我对代码进行了转换，在nvidia-smi中，我可以看到它正在使用所有gpu的所有内存，每个gpu都在使用大约40%的内存，但每批培训的估计时间几乎与1个gpu相同。
有人能引导我，告诉我如何在多个gpus上进行适当的训练吗？
我的代码：
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.layers import LSTM
fro
浏览 26提问于2019-11-28得票数 1
回答已采纳
我正在学习tensorflow 2，通过TF集线器教程完成文本分类。它使用了TF集线器的嵌入模块。我想知道是否可以修改模型以包括LSTM层。以下是我尝试过的：
train_data, validation_data, test_data = tfds.load(
name="imdb_reviews",
split=('train[:60%]', 'train[60%:]', 'test'),
as_supervised=True)
embedding = "https://tfhub.dev/go
浏览 5提问于2020-06-23得票数 4
回答已采纳
当我通过声明性方法而不是函数方法定义我的模型时，Keras给出了不同的结果。这两个模型看起来是等价的，但是使用".add()“语法是可行的，而使用声明性语法会产生错误--每次都有不同的错误，但通常是这样的：A target array with shape (10, 1) was passed for an output of shape (None, 16) while using as loss `mean_squared_error`. This loss expects targets to have the same shape as the output.输入形状的自动转换
浏览 7提问于2019-11-05得票数 0
回答已采纳
2回答
我想构建一个带有特殊单词嵌入的LSTM，但是我有一些关于这将如何工作的问题。
正如您可能知道的，一些LSTM操作字符，所以它是字符中，字符外。我也想这样做，通过对单词的抽象来学习一个健壮的嵌入在它们上的嵌套LSTM，以抵抗轻微的字符级错误。
因此，一个微小的LSTM会在一个单词的每一个字母上展开，然后这个单词就会被嵌入。然后，将句子中的每个嵌入单词作为输入输入到更高级别的LSTM，LSTM将在每个时间步骤中在一个单词级别上操作，而不是在字符上操作。
问题：-我再也找不到关于这个问题的研究论文了。如果你知道我说的话，我想在我想做的事情上加上一个名字。-是否已经存在一些TensorFlow开源代码
浏览 6提问于2016-06-18得票数 4
回答已采纳
我开始学习如何用keras来实现神经网络。然而，我刚才偶然发现了这个错误。我不知道我在这里做错了什么。我在youtube上的Valerio：教程旁工作。
我的代码：
import tensorflow
from tensorflow.keras import Model
from tensorflow.keras.layers import Input, Dropout, LSTM
class GNN:
"""
GNN is a graph neural network.
"""
def __init__(self,
浏览 7提问于2022-01-03得票数 0
在扇区截断反向传播的PTB google官方教程中，有一个使用BasicLSTMCell的实现，它通过创建一个for循环来展开num_steps步骤的图形。
# Placeholder for the inputs in a given iteration.
words = tf.placeholder(tf.int32, [batch_size, num_steps])
lstm = rnn_cell.BasicLSTMCell(lstm_size)
# Initial state of the LSTM memory.
initial_state = state = tf.zeros([
浏览 14提问于2016-07-29得票数 1
回答已采纳
我正在看这个Tensorflow colab教程，介绍如何用Transformers，https://www.tensorflow.org/tutorials/text/transformer来翻译语言，他们用一个子单词文本标记器来标记这些单词。我以前从未见过一个子词记号器，也不知道为什么或什么时候应该使用它，而不是单词记号器。
这篇教程说The tokenizer encodes the string by breaking it into subwords if the word is not in its dictionary.
为了了解结果可能是什么样子，工作Transformer被分
浏览 0提问于2020-10-09得票数 3
回答已采纳
1回答
因此，我加载并预处理了我的数据，以便进行时间序列预测。我已经建立了一个模型，但现在我不知道如何真正地训练它。
以下是代码：
import tensorflow as tf
import pandas as pd
import numpy as np
import matplotlib as plt
# Loading Data
df = pd.read_csv("testdata.csv", header=0, parse_dates=[
0], names=['Month', 'People'], index
浏览 1提问于2020-05-27得票数 0
回答已采纳
我试图从本文实现图1的体系结构。
我遵循了关于tensorflow的lstm教程，但这并没有帮助我，因为输入的数据没有及时转移。我需要在上运行CNN，每个帧在一个序列中，然后提供给lstm。有人知道这方面的任何示例代码吗？
浏览 3提问于2017-10-08得票数 1
我正在学习Tensorflow的timeseries/LSTM教程，并且很难理解这一行是做什么的，因为它没有得到真正的解释：
train_data.cache().shuffle(BUFFER_SIZE).batch(BATCH_SIZE).repeat()
我试图查找不同的模块做什么，但我无法理解完整的命令及其对数据集的影响。下面是整个教程：
浏览 6提问于2020-05-18得票数 2
回答已采纳
如何选择LSTM中的隐藏层数和存储单元数？我想建立关于分类的LSTM模型。
from tensorflow.keras import Sequential
model = Sequential()
model.add(Embedding(44000,32))
model.add(LSTM(32))
model.add(Dense(1, activation='sigmoid'))
浏览 1提问于2022-09-01得票数 -2
1回答
如何了解此机型的VRAM使用率？(不是关于正在训练的数据，而是将模型及其权重加载到VRAM中 from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense,Dropout,LSTM,BatchNormalization
import tensorflow as tf
model = Sequential()
model.add(LSTM(700, input_shape=(10000,5000,20), return_sequences=True))
model.add(D
浏览 13提问于2020-09-04得票数 0
很多我见过的机器学习工作岗位要求使用Tensorflow的经验。如果我有使用Tensorflow的经验，但只能通过使用Keras构建神经网络。这算不算？
我还没有看到在没有Keras的情况下使用Tensorflow的教程或任何代码，所以我看不出人们是如何严格学习Tensorflow的。但是为什么雇主不直接要求使用Keras的经验呢？
浏览 0提问于2021-01-28得票数 0
回答已采纳
2回答
我试着学习如何使用TensorFlow，所以我试图建立一个概率ML模型，根据最近n天的价格序列得到第二天股票价格的概率分布。在这样做的时候，我设法预测了第二天的价格，但没有得到模型的概率分布。如何从TensorFlow模型中得到模型预测所依据的曲线？
这是我到目前为止得到的预测第二天的实际价格的代码(使用这个视频：)：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from datetime import datetime
from datetime import timedelta
from
浏览 4提问于2022-08-14得票数 0
我有一个tensorflow LSTM模型，其中预测函数的输入是100行5列。当numpy数组为1,100，5时的形状。 我正在努力解决如何正确格式化JSON请求以将其发送到tensorflow服务端点的问题。当前托管在google云上，但很可能最终成为tensorflow服务的docker图像。 任何关于如何正确格式化数据以发送到TF的帮助都将非常有用，因为我正在努力在他们的文档中找到正确的格式。 谢谢!
浏览 18提问于2021-04-11得票数 2
import tensorflow as tf
from tf.contrib import rnn
lstm_f = rnn.BasicLSTMCell(n_hidden, forget_bias=1.0)
lstm_b = rnn.BasicLSTMCell(n_hidden, forget_bias=1.0)
blstm_out, state_f, state_b = rnn.static_bidirectional_rnn(lstm_f, lstm_b, x, dtype=tf.float32)
上面的代码与tensorflow 1.x一起工作，但是我很难找到一种使用tensorflo
浏览 5提问于2019-05-07得票数 2
回答已采纳
我喜欢用TensorFlow2.0中的keras api构建一个LSTM
我的标签应该依赖于几个时间序列，包括数字和分类变量。
构建正常神经网络时，特征列" feature“()
是非常有帮助的，因为我不需要做一个热编码。
当切换到LSTM时，是否仍然可以使用功能列" feature“？
你能给我发一本Jupyter Notebook /教程，告诉我如何实现它吗？
你好，乔纳森
浏览 6提问于2019-10-24得票数 1
2回答
我希望设计一个LSTM模型使用Tensorflow，其中的句子是不同的长度。我遇到了一个关于PTB数据集()的教程。这个模型如何捕捉不同长度的实例？该示例没有讨论任何有关填充或其他处理可变大小序列的技术。
如果我使用填充，展开尺寸应该是什么？
浏览 3提问于2016-07-18得票数 1
回答已采纳
1回答
我一直在遵循教程创建和训练一个基于rnn的聊天机器人，使用tensorflow。据我所知，这些教程是在较早版本的tensorflow上编写的，因此有些部分已经过时，给我一个错误，比如：
Traceback (most recent call last):
File "main.py", line 33, in <module>
outputs, last_state = tf.nn.seq2seq.rnn_decoder(inputs, initialstate, cell, loop_function=None, scope='rnnlm
浏览 0提问于2017-03-06得票数 1
回答已采纳
我有一个错误 {taskinstance.py:1455} ERROR - Cannot convert a symbolic Tensor (lstm_4/strided_slice:0) to a numpy array. This error may indicate that you're trying to pass a Tensor to a NumPy call, which is not supported 回溯(最近一次调用) 当我使用下面的代码创建LSTM-VAE模型时。 配置： Python: 3.7.9
Tensorflow: 2.4.0
NumPy: 1.1
浏览 121提问于2021-04-28得票数 0
回答已采纳
我尝试构建一个长度可变的LSTM。首先，我创建LSTM单元，然后堆叠一个具有2个输出节点的完全连接层。代码如下： from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense, TimeDistributed
from tensorflow.keras.utils import to_categorical
import numpy as np
model = Sequential()
model.add(LSTM(32, return_sequences=Tr
浏览 61提问于2020-07-29得票数 0
回答已采纳
我有tensorflow 1.0版本的代码，无法使用下面的语法转换tensorflow 2.0。你能帮帮我吗？
a)
lstm_cell =tf.keras.layers.LSTM(units=hidden_unit)
#lstm_cell = tf.compat.v1.nn.rnn_cell.DropoutWrapper(lstm_cell, output_keep_prob=self.dropout_keep_prob)
Q -1)如何在Tf2.0上为lstm_cell使用drop out？
b)
self._initial_state = lstm_cell.zero_state(sel
浏览 2提问于2019-12-04得票数 1
我使用以下代码创建了一个LSTM模型：
model = tensorflow1.keras.Sequential()
model.add(tensorflow1.keras.layers.LSTM(128, input_shape=(720, 4), return_sequences=True)) model.add(tensorflow1.keras.layers.LeakyReLU(alpha=0.5)) model.add(tensorflow1.keras.layers.LSTM(128, return_sequences=True)) model.add(tensorflow1.ke
浏览 3提问于2021-03-15得票数 0
回答已采纳
1回答
我正在研究一个使用LSTM和从通用句子编码器获得的嵌入的多类分类问题。
在此之前，我使用了手套嵌入，并获得了所需的输入形状(batch_size，timesteps，input_dim)。我计划使用通用语句编码器，发现通用语句编码器的输出是2d批处理、功能的。我怎样才能做出所需的改变。
LSTM +通用语句编码器
EMBED_SIZE = 512
module_url = "https://tfhub.dev/google/universal-sentence-encoder-large/3"
embed = hub.Module(module_url)
def Unive
浏览 0提问于2019-05-29得票数 4
我有一个三维数据集的音频文件，其中X.shape是(329,20,85)。我想有一个辛普尔赤裸的模型运行，所以请不要挑剔，只解决手头的问题。以下是代码：
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.LSTM(32, return_sequences=True, stateful=False, input_shape = (20,85,1)))
model.add(tf.keras.layers.LSTM(20))
model.add(tf.keras.layers.Dense(nb_classes, activa
浏览 0提问于2020-05-01得票数 28
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
