2回答
我正在用Keras开发一个LSTM - RNN文本分类，这是我的代码。keras.layers.convolutional import Convolution1D, MaxPooling1D_______________________________________=======
浏览 3提问于2018-08-03得票数 0
1回答
我有一些图像方面的经验，并在使用CNN的图像分类中游玩过，但对于文本数据，我的知识有限。我目前想要分类的输入写成：fdcd-dd-fdc-dad-ad-dfe-cde-dggf-ghd-gg-bcdhjkhghkgfghjkhghkgfghfefdefdcdefghjkjh-gh-gfed我有
浏览 0提问于2020-07-28得票数 2
回答已采纳
如果图像分类器自动进行HyperParameter调优，那么GraphAutoModel的用途是什么？
浏览 0提问于2019-12-12得票数 1
回答已采纳
最近我一直在和Ulmfit玩，但我仍然无法理解语言模型对下一个单词做出正确预测的能力是如何影响文本分类的。我想我真正的问题是我不明白在低层次的网络中发生了什么。另一个输出给定文本文档类成员概率的softmax层。所以，这里有很多我不明白的事情:文本文档是如何被接收和处理的？我一字一句地假设？那么，你是如何最终得到预测的呢？它是所有单词的平均值吗？
浏览 1提问于2019-10-09得票数 1
回答已采纳
我试图将一个LSTM层的输出输入到另一个LSTM层，以及该层的文本。提供给两个LSTM的文本是不同的，我的目标是第二个LSTM在第一个LSTM理解的基础上提高对其文本的理解。, text_data)# first LSTM
lstm1Output, l
浏览 0提问于2018-02-02得票数 0
回答已采纳
1回答
对大文本使用LSTM
、、、、
我想使用LSTM进行分类 一篇文章的平均词长约为750个单词。我试着去掉标点符号，停用词，去掉数字。预处理文本也需要很长时间。 我想要一种使用keras将大文本输入到LSTM的方法。
浏览 8提问于2019-07-02得票数 0
回答已采纳
我一直在尝试用一组时间序列数据训练RNN。目标是预测六种分类输出中的一种。输入作为14个输入的5个时间步骤，其中6个为输出的一个热属性。每个时间步骤都有一个输出，但目标是使用以前记录的时间点及其人工分配的输出来为最近的事件分配输出。数据严重不平衡，91%、4%、2%、1%、<1%、<1%，但成本函数用于加权错误<
浏览 0提问于2016-07-20得票数 4
我尝试对序列进行分类，使用带有return_sequences=True的Keras。因此，RNN / return_sequences=True似乎是一种直观的方法。()类的fit方法的代码，该方法检查len(y.shape)==2。但是当我尝试得到另一个Keras错误时：
...So如何适合Sklearn风格的Keras
浏览 0提问于2017-03-30得票数 5
我还没见过任何使用不同训练目标的文献。我们的目标是最终找到隐藏的状态，那么为什么只有一种方法是如此流行，而没有看到其他方法呢？
浏览 0提问于2021-09-03得票数 0
回答已采纳
对于的文本分类，我有1000个评论的数据，我尝试了不同的神经网络。对于CNN，我得到了0.94的精度，但是使用LSTM，我得到了一个较低的精度(0.88)，这是正常的吗，因为据我所知，LSTM是专门用于文本分类的，它保留了单词序列的顺序？。
浏览 2提问于2021-04-29得票数 1
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.add(Embedding(44000,32))
model.add(LSTM
浏览 1提问于2022-09-01得票数 -2
1回答
我创建了一个用LSTM层进行文本分类的RNN模型，但是当我将batch_size放在fit方法中时，我的模型就在整个批处理上进行了训练，而不仅仅是小批处理_size。当我使用GRU和双向层而不是LSTM时，也发生了这种情况。有什么不对的？def create_rnn_lstm(): embedding_layer = layers.Embedding(= layers.LSTM
浏览 0提问于2020-01-21得票数 1
回答已采纳
1回答
在回顾有关多维输入和堆叠的LSTM的许多类似问题时，我没有找到一个示例，它为initial_state占位符列出了维数，并遵循了下面的rnn_tuple_state。尝试的[lstm_num_layers, 2, None, lstm_num_cells, 2]是来自这些示例(、)的代码的扩展，在特性的每个时间步骤中为多个值添加了一个额外的feature_dim维度(这不起作用，而是由于tensorflow.nn.dynamic_rnn调用中的维度不匹配而产生ValueError )。(
[ten
浏览 0提问于2018-07-09得票数 0
回答已采纳
我正在使用TensorFlow编码一个LSTM，它根据前面字符的长度-10串(恰好对应于方向)来预测布尔目标，即URDDLRUDUD。当我把tf.string张量传递给tf.nn.dynamic_rnn时 lstm_cells, state_is_tuple, 1)), batch_siz
浏览 1提问于2017-05-02得票数 1
回答已采纳
我尝试使用带有GRU单元格的RNN来生成文本，但是当我在text上调用RNN函数来生成文本时，我得到了一个错误。) cells.append(LSTM)LSTM1 = tf.contrib.rnn.GRUCell(num_units1, a
浏览 0提问于2017-10-08得票数 1
1回答
从大量的文档集中，我训练了word2vec词嵌入向量，然后结合基于RNN的分类器(LSTM，GRU)进行文档分类，这是目前比较成熟的一种标准分类方法。有一个问题:我们应该在文档分类培训期间更新单词嵌入。
在过去，我已经习惯了像图像分类/目标检测这样的任务。你得到一个图像输入，从该图像中提取的卷积特征在CNN的数值优化过程中被更新。如何处理文本文档世界中的嵌入向量？它们与图像不完全一样，我们首先从无监督的方法(word2vec
浏览 0提问于2018-09-10得票数 5
1回答
我想对500个字符长的文本样本进行分类，看看它们是否像使用字符级RNN的自然语言。我不确定向RNN提供输入的最佳方法。以下是我想到的两种方法：提供较短的重叠段(例如10个字符)，并预测下一个字符(例如第11个字符)。通过接受测试输入将其转换为分类，并根据预测的下一个字符分布计算观察到的字符的联合概率。
第一种方法似乎不太理想，因为我不认为第一个字符会对第500个字符的预测产生任何影响。我的
浏览 0提问于2020-11-29得票数 0
我试图使用RNN对新闻文章进行分类。由于新闻文章的长度不是固定的，所以我使用的是tf.nn.dynamic_rnn()。 stacked_lstm = tf.nn.rnn_cell.DropoutWrapper(lstm_cell, output_keep_prob=1)
stacked_lstm = t
浏览 6提问于2017-01-27得票数 0
回答已采纳
1回答
我想做一个分类器，用正确的标签在语料库中标注每一个文本(S)。我可以直接去ML使用sklearn多标签文本分类，甚至到DL使用LSTM。但是，从简单开始，首先使用基于规则的系统不是更好吗？
浏览 0提问于2020-06-03得票数 1
回答已采纳
2回答
字符串分类(已修改)
、、、
然而，我得到了一个错误。非常感谢。X = X.reshape((1,32514,1))
model = Sequential()#(batch_size, timesteps, input_dim)
我得到以下错误Output Shape P
浏览 0提问于2018-05-31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
