1回答
我想用Keras建立CT图像序列的分类模型。我的数据集从50名病人中获得，每个病人有1000张图像。对于病人来说，每一张图像都与前一张图像有着有意义的关系。
浏览 4提问于2019-04-24得票数 6
回答已采纳
1回答
我正在使用LSTM对视频进行分类。我正在使用Keras python库创建长期短期记忆LSTM网络。我知道LSTM采用(sample，timestamp，Feature)中的数据的输入形状。我已经为每个视频文件创建了帧序列。这些序列中的每一个都由32帧视频文件组成。我使用经过训练的模型来提取特征，因此我将这些帧中的每一个都输入到VGG16预先训练的模型中<
浏览 31提问于2019-06-10得票数 0
回答已采纳
我正在尝试建立一个光学字符识别系统，它可以使用LSTM单元识别手写句子。
因此，对于每个输入，您希望LST
浏览 0提问于2018-07-16得票数 0
回答已采纳
1回答
我试图在keras中对90x3数据中的1700个数据使用ConvLSTM2D。
我已经做了CONV2D，数据是(1700x90x30x1)。
浏览 2提问于2018-11-17得票数 1
1回答
我试图对产品销售进行多步(即顺序到顺序)预测，同时使用(多元)顺序输入和非顺序输入。然而，我无法完全理解的是，如何以一种有效利用顺序信息(即因果关系等)的方式，输入未来的序列输入(随后m天的销售数字除外)。我唯一能想
浏览 6提问于2020-10-07得票数 2
我在一个时间序列中有多个特征，并希望在下一个时间步骤中预测相同特性的值。我已经训练了一台LSTM，它运转良好，但训练需要一些时间。所以现在我的问题是:使用CNN而不是LSTM是否合理，即使它是一个时间序列？当你永远不应该转到CNN上的时候，有什么指示吗？
浏览 0提问于2020-07-20得票数 7
回答已采纳
2回答
Keras文档声明It is similar to an LSTM layer, but the input transformations and recurrent transformations
浏览 3提问于2018-03-24得票数 4
回答已采纳
1回答
用矩阵对单个值进行分类
、、、、
我有一系列矩阵30x30，其中包含从0到75 (输入矩阵)的元素，每个矩阵都有一个30x30矩阵，只包含1s和0s (输出矩阵)。我试图在输入矩阵上训练一个分类器来预测输出矩阵，但是我不知道如何最好地表示分类器的输入矩阵(理想的sk-学习)。我不能将矩阵抽象成另一种形式，因为输入矩阵中的每个元素必须映射到输出矩阵相同位置的元素。
浏览 0提问于2019-03-29得票数 0
回答已采纳
1回答
创建CoreML LRCN模型
、、、、
在卷积部分之后，单个LSTM层连接到密集层作为输出。我们的目标是创建一个多对多的结构，在填充图像序列中对每个项目进行分类。我将在下面发布模型的代码。它涉及到使用时间分布式包装器进行训练，然后将其从模型中剥离出来，并在CoreML转换时加载包装层的权重，因为时间分布式包装器不能很好地与CoreML配合使用。由于CoreML (或者至少是股票转换器)不支持图像序列作为输入，所以一次输入
浏览 7提问于2018-01-29得票数 3
回答已采纳
1回答
当LSTM状态被重置时
、、、
我正在尝试使用tensorflow实现一个LSTM神经网络来进行关键字检测。我给神经网络输入了400ms的序列。然而，在训练期间，我不希望LSTM在尝试学习序列6时记住序列1。那么，如何在训练期间重置LSTM的状态呢？outputs, state = rnn.rnn(cell, inputs, initial_state=self._initial_state)参数中的initial_state是否
浏览 13提问于2016-08-01得票数 1
我从一个教程中裁剪了下面的图片。此图显示了标准神经网络的粗略结构。将一幅图像作为输入并进行预测。与上图不完全相同。但是你可以看到，我正在尝试使用两张图片来进行一次预测。这张图片是为了让你对我想要问的问题有所了解。
可以使用多个(两个，三个..)像这样的图像或任何其他方式，以便做出一个预测。但我认为这样的技术可以用在像音频分类这样的文件中，其中数据的图形表示与图像分类技术
浏览 3提问于2019-12-04得票数 0
1回答
在文本分类中添加额外的维度
、、、、
我想在Keras中使用神经网络进行文本分类。(128))该网络接受标记化的填充文本序列。现在我的问题是，我不想将一个序列输入到网络中，而是将一个集合(比如500)序列输入到网络中，并将其分类出来。所以，现在不是形状(100)的输入，而是(500,100)。我不知道如何最好地创建网
浏览 1提问于2019-01-24得票数 0
回答已采纳
1回答
| +-------+
我有几个简单的顺序模型(标记为NN)，它们接收两个数字值作为输入，它们计算其他一些数值(每个网络一个)。这些值被传递到LSTM网络，LSTM网络产生单个值作为输出，这个值被附加到初始网络(可能有延迟)作为两个输入之一。我使用时间序列，因此计算出的最终值与下一个时间序列值一起传递给网络</e
浏览 0提问于2021-03-02得票数 0
回答已采纳
1回答
我正在研究RNN/LSTM。我用RNN做了一个简单的项目，在其中我将文本输入到RNN中。但是我不知道如何将语音输入到RNN中，也不知道如何对递归网络的语音进行预处理。但我不能在网络中使用语音。你可以分享任何项目，其中语音和RNN/LSTM或任何可以帮助我。
浏览 4提问于2019-02-01得票数 1
1回答
我想在LSTM中输入一个时间序列来执行预测。假设我有10000个样本。现在，为了将时间序列输入到我的LSTM中，我将其重塑为(示例、时间步骤、特性)。在我的例子中，我使用timesteps=50来创建子序列并执行t+1的预测，所以我最终得到了x.shape=(9950,50,1)。到目前一切尚好。我的模型model.add(LSTM(50,
浏览 0提问于2018-07-04得票数 0
1回答
Keras中隐藏状态的意义
、、、、
我给出一个句子作为LSTM的向量，认为我有一个句子包含10个单词。然后我把这些句子转换成向量，然后交给LSTM。X = LSTM(128, return_sequences=True)(embeddings)lstm_1 (LSTM)
浏览 2提问于2018-10-10得票数 3
回答已采纳
我想在LSTM上稍微改变一下我的模型架构，这样它就可以接受完全连接方法所做的完全平坦的输入。=True))
如果我回去不把x_train和y_train压平，它就能工作了。不过，我希望这是“另一个模型选择”，以相同的预处理输入。我想传递shape1:会起作用，因为它是真正的扁平的input_shape。我确信这是我忽略了维度的一件容易的事情，但经过一个小时的旋转和调试，我无法得到它，尽管我确实想出了没有将2
浏览 0提问于2019-03-25得票数 0
回答已采纳
1回答
我有一个问题，输入作为一个序列的图像，输出作为一系列的标签，它们对应于图像中的每一个帧。输入格式说明如下：目标：根据输入序列[img 0, img 1, img 2, img 3]列表预测标签列表[label 0, label 1, label 2, label 3]。其他标签也依赖于输入序列中的所有图像。因此，这使得目标标签既依赖于单个图像中
浏览 1提问于2018-05-17得票数 0
我正在尝试实现一种LSTM网络。LSTM需要从N个多层图像中提取特征地图。因此，对于所有N个图像，这些特征映射都需要以相同的方式计算。因此，这个网络在理想情况下是这样的：问题是，Caffe似乎没有办法做到这一点。我可以将我的数据点(由3幅图像组成)切片到这3幅图像中，并且我可以在上面运行独立的Conv+Pool层来获取我的功能地图。但这不是我在训练中想要的。在传递给LSTM</e
浏览 1提问于2018-03-18得票数 1
回答已采纳
具体来说，我希望为seq2seq模型创建一个编解码网络。假设我有一个包含这三个层的模块，按顺序排列：
输入： batch_size * seq_lengthnn.LSTM输出： seq_length * batch_sizenn.Linear
<e
浏览 1提问于2018-03-24得票数 40
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
