1回答
我正在对时间序列数据使用lstm。我有关于时间序列的不依赖于时间的特征。想象一下序列中的公司股票和非时间序列特征中的公司位置之类的东西。这不是用例，但它的想法是相同的。Dense(8, activation='relu')(dense_1)
lstm= LSTM(8
浏览 1提问于2018-01-13得票数 7
回答已采纳
1回答
密集层如何改变来自LSTM层的输出？从前一层的50个形状的输出中，我如何从用于预测的密集层获得大小为1的输出？假设我有一个基本模型： model = Sequential()model.add(Dense(1, activation="softmax&quo
浏览 16提问于2019-09-01得票数 1
回答已采纳
我的问题是，这段代码有意义吗？如果这有意义的话，目的应该是什么呢？model.add(LSTM(18, return_sequences=True,batch_input_shape=(batch_size,look_back,dim_x), stateful=True))model.add(LSTM(50,return_sequences=False,stateful=False))model.add(Dense(1, activation
浏览 3提问于2018-10-26得票数 2
回答已采纳
如图所示，我需要获取每个Lstm时间戳的状态，并将它们应用于密集层以进行有监督的学习。然后将该密集层的输出与Lstm的下一时间戳的状态一起使用。通常，我希望对RNN的每个步骤应用监督学习，并将输出反馈到下一个时间戳。我如何在Keras中实现这一点？
浏览 0提问于2017-06-12得票数 2
1回答
几周前，Seq2Seq模型的Keras简介已经发布，可以找到。我并不真正理解这个代码的一个部分：decoder_outputs, activation='softmax')这里定义了decoder_lstm。它是一个维度latent_dim
浏览 4提问于2017-10-10得票数 3
回答已采纳
我在tf.keras中使用LSTM的状态模式，当我处理了序列数据时，需要手动执行reset_states，正如描述的。似乎人们通常会做model.reset_states()，但在我的例子中，我的LSTM层嵌入到了一个更加复杂的网络中，其中包含了其他各种层，比如稠密层、Conv层等等。我的问题是，如果我只是在我的主模型上调用model.reset
浏览 9提问于2020-01-08得票数 3
回答已采纳
我正在尝试创建一个神经网络模型，它使用曼哈顿LSTM (例如 )返回两个句子的相似度分数。我使用quora-问题对数据集，并使用google生成它们的嵌入。inbound_nodes[node_index]这是我已经尝试过的。请注意，返回的嵌入具有形状( 768 )，即是大小为768的向量，如此1.2e+05 2
浏览 4提问于2019-04-10得票数 0
回答已采纳
我知道您可以在Keras的RNN架构中使用不同类型的层，这取决于您所遇到的问题的类型。我指的是例如layers.SimpleRNN、layers.LSTM或layers.GRU。因此，假设我们(使用Keras中的函数式API )：lstm_1=True, name='lstm</e
浏览 26提问于2021-05-20得票数 1
回答已采纳
2回答
在我的模型中添加LSTM层之前，我不确定是否需要添加一个密集的输入层。例如，使用以下模式：model = Sequential()model.add(Dense(5, activation="linear"))
LSTM层是输入层，<em
浏览 2提问于2020-11-20得票数 0
回答已采纳
1回答
我正在尝试将以下Keras代码转换为纯Tensorflow，但在向双向RNN输出的每个时间步添加密集层时遇到了问题：self.model = Sequential(), activation='relu', init='he_normal')))以下是tensorflow的初始代码：
lstm_cell_
浏览 7提问于2017-09-27得票数 3
我正在训练时间序列预测的神经网络。, y.shape)该培训在此体系结构上运行良好：model.add(LSTM(16, return_sequences=True, input_shape=(7*24, X.shape[1]))) model.add(LSTM(32, return_sequences=True, input_shape=(7*24, X.shape
浏览 1提问于2021-01-30得票数 2
回答已采纳
1回答
Andrew通过相互叠加递归层来讨论深度RNN体系结构。然而，他指出，由于结构中已经复杂的时间依赖计算，这些通常限制在2或3个递归层。但他补充说，人们通常会在这些递归层(如从a3<1>延伸出来的蓝色框)后面添加“一堆没有水平连接的深层层”。我想知道他是简单地说要把稠密的层堆在层叠的层层之上，还是更复杂呢？在Keras中是这样的：model.add(ke
浏览 0提问于2019-07-30得票数 1
1回答
我正在研究LSTM和LSTM AutoEncoders，使用Keras为多变量时间序列数据尝试不同类型的体系结构。由于在LSTM中使用relu实际上并不实际，因为存在爆炸梯度，所以我在LSTM之后添加了一个密集的层，因此它类似于：model.add(LSTM(number_of_features：
这个完全连接的致密层是否仅连接到LSTM
浏览 0提问于2020-11-10得票数 3
回答已采纳
1回答
将密集层连接到LSTM体系结构
、、、、
出于说教的原因，我正试图在简单的无意义环境中实现LSTM结构。我清楚地知道如何输入数据，但不知道如何输出。假设我给出一个维数(n，b，d)的张量，其中：·n是序列的长度·b是批大小(在我的例子中是时间戳)·d数据集中的每个示例(行)的特征数标记为0-1。然而，当我将数据输入到最小网络时，我得到了隐藏状态h_out，它具有与网络隐藏大小相同的维数。我如何才能获得一个数字，可以比较我的标签和正确
浏览 0提问于2018-12-30得票数 4
回答已采纳
我打算每层用多个存储单元块(或多个LSTM单元，LSTM单元是内存块及其门的集合)在Pytorch中实现LSTM，但基类torch.nn.LSTM似乎只能实现多层LSTM，每个层只有一个LSTM单元：lstm = torch.nn.LSTM(input_size, hidden_size, num_layers)
input_size是网络的输入维度
浏览 2提问于2017-10-20得票数 1
1回答
我在理解堆叠LSTM网络中的信元流时遇到了一些困难。) return model 1)来自第一个LSTM层的输入是否到达第二个LSTM层？2)我读到在LSTM中，我们将以前的隐藏状态</
浏览 8提问于2020-09-23得票数 0
1回答
我在Keras中工作，我有一个LSTM，我为它指定了一个intial_state=h0。现在，我希望h0成为一个可训练的变量。我该怎么做呢？目前我丑陋的解决方案在于使用一个等于0的虚拟输入，并学习初始状态作为密集层的输出(=层偏置，因为我给出了一个虚拟input=0)，输入由虚拟输入给出：
dummy_inp = Input((1,), namedummy_inp_zero = Lambda(lambda t: t*
浏览 1提问于2018-04-03得票数 4
3回答
问题是，当我定义模型时，我需要在体系结构中使用LSTM层： model = Sequential()model.add这与LSTM的使用和下面的代码行有关： tf.compat.v1.disable_eager_execution() 使用密集层而不是LSTM： model = Sequential()model.ad
浏览 104提问于2020-01-22得票数 0
回答已采纳
1回答
我有一个LSTM模型，当我处理一个批处理时，我想在几个进程之后重置LSTM layer.Then的状态，我想恢复LSTM的原始状态(我在上面几个进程中学到了新的权重)并继续处理。我知道我可以使用reset_state()函数来重置LSTM状态。如何恢复LSTM状态？
浏览 2提问于2017-04-10得票数 2
回答已采纳
云服务器
ICP备案
实时音视频
云直播
对象存储
腾讯云开发者
