调优LSTM模型
是指通过一系列技术手段和方法来优化长短期记忆网络（Long Short-Term Memory，LSTM）模型的性能和效果。LSTM是一种常用的循环神经网络（Recurrent Neural Network，RNN）架构，适用于处理序列数据，具有较强的记忆能力和长期依赖建模能力。
调优LSTM模型的目标是提高其预测准确性、泛化能力和训练效率。下面是一些常见的调优方法和技术：
- 数据预处理：对输入数据进行标准化、归一化或者其他预处理操作，以提高模型的稳定性和收敛速度。
- 模型结构调整：调整LSTM模型的层数、隐藏单元数量、激活函数等参数，以提高模型的表达能力和拟合能力。
- 正则化技术：使用L1正则化、L2正则化、Dropout等技术来减少过拟合现象，提高模型的泛化能力。
- 学习率调整：通过动态调整学习率，如学习率衰减、自适应学习率等方法，以提高模型的收敛速度和稳定性。
- 批量大小调整：调整训练时的批量大小，以平衡模型的训练速度和泛化能力。
- 参数初始化：合理选择参数的初始化方法，如Xavier初始化、He初始化等，以加速模型的收敛和提高性能。
- 梯度裁剪：通过限制梯度的大小，防止梯度爆炸或梯度消失问题，提高模型的稳定性。
- 超参数调优：通过网格搜索、随机搜索、贝叶斯优化等方法，寻找最优的超参数组合，以提高模型的性能。
- 集成学习：将多个LSTM模型进行集成，如投票、平均等方式，以提高模型的预测准确性和鲁棒性。
- 模型压缩：采用剪枝、量化等技术，减少模型的参数量和计算量，提高模型的推理速度和存储效率。
调优LSTM模型可以应用于多个领域，如自然语言处理（NLP）、语音识别、时间序列预测等。在NLP领域，LSTM模型可以用于文本分类、情感分析、机器翻译等任务。在语音识别领域，LSTM模型可以用于语音识别、语音合成等任务。在时间序列预测领域，LSTM模型可以用于股票预测、天气预测等任务。
腾讯云提供了一系列与LSTM模型相关的产品和服务，包括云服务器、云数据库、人工智能平台等。具体产品和服务详情，请参考腾讯云官方网站：https://cloud.tencent.com/
相关·内容
我建立了两种不同的负荷预测模型。数据集有六个特征。性能评价指标是平均绝对百分比误差(MAPE)。两种模型都是基于LSTM的。这是第一个模型和性能。
model = Sequential()
model.add(LSTM(20, input_shape=(1,6),init= 'uniform', return_sequences=True)) #input shape (1,5) to (1,6)
model.add(LSTM(20,init= 'uniform', activation='relu'))
model.add(Dense(256,
浏览 0提问于2019-10-20得票数 0
我正在使用NVIDIA P40来训练分类模型。我使用了tensorflow的bidirectional_dynamic_rnn来构建双lstm网络，训练效率很低，只使用了大约30%的计算资源，而且速度甚至比使用45个逻辑核的CPU还要快。能不能给出一些建议，充分利用GPU计算资源，或者解释原因？
浏览 0提问于2017-05-10得票数 0
回答已采纳
1回答
我一直在尝试在我的数据上重用的想法。但是，我遇到了这个错误：
"ValueError:检查输入时出错:要求lstm_16_input具有3维，但得到形状为(8，4)的数组“
我想要运行的是：
def main():
#X, Y = load_data()
X, Y = load_file()
print("------")
print(X)
print(X.shape)
print(type(X))
print("------")
print(Y)
print(Y.shape
浏览 0提问于2019-10-22得票数 0
我有个模型在做一些数据。我在dataset中添加了一些标记化的word数据(为了简洁起见，有些截断)：
vocab_size = len(tokenizer.word_index) + 1
comment_texts = df.comment_text.values
tokenizer = Tokenizer(num_words=num_words)
tokenizer.fit_on_texts(comment_texts)
comment_seq = tokenizer.texts_to_sequences(comment_texts)
maxtrainlen = max_length(
浏览 0提问于2020-03-05得票数 2
回答已采纳
为了分析视频，我尝试使用带有Keras的CNN-LSTM网络。我阅读了这方面的内容，并遇到了TimeDistributed函数和一些示例。
实际上，我尝试了下面描述的网络，它实际上是由一个卷积层和池层组成，然后是递归和密集层。
model = Sequential()
model.add(TimeDistributed(Conv2D(2, (2,2), activation= 'relu' ), input_shape=(None, IMG_SIZE, IMG_SIZE, 3)))
model.add(TimeDistributed(MaxPooling2D(pool_size
浏览 0提问于2019-09-27得票数 5
1回答
我有一个有6000条记录的数据。我有一个60-20-20的训练，验证和测试集。我用XGboost得到了大约76%的准确率。我将我的数据转换为时间序列，并应用LSTM/1-D Convnet，准确率约为60%。我的数据集是否太小，无法进行深度学习？ 其次，可以在每个训练上应用SMOTE，测试和验证集(在拆分数据之后)我知道在将数据拆分到训练/测试/验证之前不应该应用SMOTE。是否可以在拆分后对集进行上采样、训练/测试/验证？ 如果在拆分训练/测试/验证集之后对它们进行上采样，我使用LSTM获得了更好的结果(80%)，但这种方法是正确的吗？我只想证明，有了更多的数据，我们可以提高深度学习算法的
浏览 34提问于2019-09-04得票数 0
2回答
何时调整深度学习中的超参数
、、、、
我目前正在使用不同的CNN和LSTM模型架构来解决我的多变量时间序列分类问题。
我可以达到50%以上的验证精度。我想在某个阶段锁定一个精确的架构，而不是无休止地进行实验。为了决定这一点，我还想调整我的超参数。
问:我如何平衡不同模型的实验需求，如独立的CNN和CNN与LSTM之间的超参数调谐？有没有所谓的“过早优化”？
我正在运行我对AWS SageMaker的培训，如果需要的话，我可以并行工作。
干杯。
浏览 0提问于2021-08-25得票数 1
我正在使用以下RandomForest代码创建Python模型
from sklearn2pmml.pipeline import PMMLPipeline
from sklearn2pmml import sklearn2pmml
rf=RandomForestClassifier()
rf = PMMLPipeline([('random',rf)])
rf.fit(X_train, y_train)
sklearn2pmml(rf, "classification pmml file/random.pmml",with_repr=True)
我使用Pyth
浏览 0提问于2019-12-16得票数 1
我有编码器-解码器LSTM模型，学习预测12个月前的数据，同时回顾12个月。如果有帮助的话，我的数据集总共大约有10年(120个月)。我有8年的培训/验证经验，2年的测试经验。我的理解是，我的模型无法在培训时访问测试数据。
令人费解的是，我的模型预测只是对先前观点的一个转变。但是，我的模型是如何知道之前预测时的实际情况的呢？我没有给出测试中的月值集给模型！如果我们说它只是复制了你给出的作为输入的前一点，那么我是说我给它12个月的数值与它预测的值完全不同(所以它没有复制我给出的12个月)，但是预测值是实际值的变化(这是从未见过的)。
以下是一个例子：
我的代码来源于
下面是我
浏览 5提问于2022-05-02得票数 2
回答已采纳
2回答
在e1071中，R的库有一个内置的()函数来优化我们的算法。
tuneop=tune(svm,y~.,data=dat,kernel="radial",ranges=list(cost=c(0.001, 0.01, 0.1, 1,5,10,100),gamma=c(0.001, 0.01, 0.1, 1,5,10)))
在支持向量机模型中，我使用调优函数来优化我的伽玛和成本参数。对于小型数据集，tune()只需少量时间即可生成最佳模型。但是对于一个非常大的数据集，这需要很长的时间。因此，是否可以添加一个进度条或百分比来监视我们的模型调优的进度。
浏览 0提问于2016-01-02得票数 2
1回答
以下是我的代码
model = Sequential()
model.add(LSTM(128, input_shape=(None, 1),return_sequences=True))
model.add(Dropout(0.3))
#I want test 32,64,128,256,512,1024 number of entering the layer
model.add(LSTM(128))
model.add(Dropout(0.3))
#I want test 32,64,128,256,512,1024 number of entering the layer
mode
浏览 3提问于2019-08-03得票数 0
回答已采纳
2回答
我读过验证集用于超参数调整和比较模型。但是，如果我的算法/模型没有任何超参数呢？我应该使用验证集吗？因为比较模型也可以使用测试集来完成。
浏览 0提问于2019-03-03得票数 2
1回答
目前，我正在为几个ML模型(FFN、CNN、LSTM、BiLSTM、CNN)优化超参数，并在另一个实验的同时运行这一实验，以检查在二进制文本分类任务中最适合使用哪个词嵌入。
我的问题是:在优化超参数之前，我应该先决定使用哪个嵌入，还是可以决定最佳的超级参数，然后再对嵌入进行实验？在这两种情况下，任务保持不变。
换句话说，超参数调优是否更受任务(常量)或输入数据的影响？
浏览 0提问于2019-08-10得票数 1
回答已采纳
1回答
平衡数据集后的低f1分数
、、、、
对于tweets，我有一个二进制分类问题；17000作为一个正类，122000作为一个负类。我在每堂课上都用17000条推特来平衡数据。我已经实现了LR，SVM，BERT，LSTM和CNN等模型。每次运行时，F1评分都在0.55~0.66之间。我做错了什么吗？F1分数在0.55左右是正常的吗？
这个问题还会继续存在于另一个数据集中。样本BERT模型是
trainer = Trainer(
model=model, # our loaded pre-trained transformer-based model "DistilBERT"
浏览 11提问于2022-08-04得票数 -1
使用pycaret，可以调用compare_models()函数并获得最适合我们数据的模型。这个看起来像这样，
# load dataset
from pycaret.datasets import get_data
diabetes = get_data('diabetes')
# init setup
from pycaret.classification import *
clf1 = setup(data = diabetes, target = 'Class variable')
# compare models
best = compare_mo
浏览 15提问于2022-05-27得票数 0
2回答
尽管做了/使用过几次，但我仍然对使用验证集进行超参数调优感到有点困惑。
据我所知，我选择一个模型，对训练数据进行训练，对训练数据进行性能评估，然后对验证数据进行超参数整定评估模型性能，然后选择最佳模型并对测试数据进行测试。
为了做到这一点，我基本上需要随机选择一个模型来训练数据。我不明白的是，我不知道哪一种模式在一开始会是最好的。假设我认为神经网络和随机森林可能对我的问题有用。那么，为什么我不开始搜索一个一般的，例如，神经网络体系结构，随机森林体系结构，并从一开始，评估哪一个模型是最好的一小部分数据变化的所有超参数无论如何。
基本上为什么要选择一个基于人的“猜测”来做训练，然后在验证阶段进行超
浏览 0提问于2022-05-28得票数 0
1回答
我有许多预先训练过的模型有不同的层数(模型不是顺序的)。对于这些模型，训练数据有一个形状(1，1,103)，输出是0到9之间的类标签。
我加载了这些保存的模型，将所有层设置为不可训练的。我将这些模型用于新的体系结构，如下所示：
inp = keras.layers.Input(shape=(1,1,103), name = "new_input")
out_1 = model_1(inp) # model_1 is the name of variable where I loaded trained model
out_2 = model_2(inp)
out_3 = mo
浏览 11提问于2022-02-17得票数 1
1回答
我正试图建立一个LSTM模型来预测股票价格。我把数据分成训练和测试两部分。我使用model.fit内部的测试数据作为validation_data。之后，我将测试数据传递给model.predict()并生成预测。
我想知道，如果我使用model.fit()中的测试数据，如果我使用相同的数据来生成预测，是否会发生过度拟合？
我是否应该将原始数据分成3组:培训、验证和测试？验证数据将用于model.fit()，而测试数据将用于model.predict()。
样本代码：
model_lstm = Sequential()
model_lstm.add(LSTM(50, return_sequen
浏览 34提问于2022-07-05得票数 -1
回答已采纳
我用了三个平行的句子文件来训练我的自定义翻译模型。没有字典文件，也没有调优文件。训练结束后，我检查了测试结果，我想在模型中做一些调整。以下是几个问题：
训练后可以调整模型吗？我说的对吗?这个模式是不能改变的，唯一的办法就是培养一个新的模式？
调整模型的最佳方法是使用调优文件。这是正确的吗？
无法看到自动生成的调优文件，因此我必须提供自己的调优文件，以便进行更易于管理的调优过程。是这样吗？
请描述如何生成调优文件，当我有3个不同数量的句子文件，即: 55k，24k和58k行。所有的调优句子都是从第一个文件还是从所有三个文件中按比例调整它们的大小？使用哪种逻辑？
浏览 3提问于2020-04-10得票数 2
1回答
火花流作业的巨大延迟
、、、
我有一个几乎实时的火花流应用，用于图像识别，其中接收器从卡夫卡获得输入帧。我有6个接收器每个执行者，5个执行者在总数，我可以看到30个活动任务每次迭代在星火UI。
我的问题是能够从kafka读取850帧/秒，但处理任务非常缓慢，这就是为什么我面临背压相关的问题。在每一批中，任务将运行少量的tensorflow模型，首先使用keras.model_loads加载模型，然后执行其他相关处理，以便从模型中获得预测。第一tensorflow模型的输出是第二tensorflow模型的输入，第二tensorflow模型也依次加载另一个模型并在其之上进行预测。最后，#2的输出是对模型#3的输入，它做同样的事
浏览 0提问于2018-03-04得票数 1
1回答
我正在尝试使用pycaret来训练模型，并注意到模型性能在超参数调优之后多次下降。
我附上了一张图片，展示了我是如何调整的。
有人能告诉我我做错了什么吗？
提前感谢！
浏览 3提问于2021-09-02得票数 0
1回答
预测相同答案的递归神经网络
、、、、
我正试图预测第二天的股价是上涨还是下跌。我使用的是一个熊猫DataFrame，它有43个列，其中一个列是y值，y值在0到1之间浮动，我的DataFrame有5016行数字索引。我用一些LSTM单元建立了一个模型--一些密度很大的单元，损失函数是biary_crossentropy，但是当我运行模型并试图打印预测时，所有预测都是相同的：
[0.56393844
0.56393844
..。
0.56393844
0.56393844]
Y值并不完全相同。Y值：
%0
1
0
1
1
损失和准确性也开始相同：
时代7/10
4012/4012 =======================
浏览 1提问于2020-04-08得票数 0
我试图使用本地服务器上的ml引擎为我的模型优化HPs。在我的例子中，模型只训练一次，但没有进行HP试验。这是一个配置问题，还是在本地模式中不支持HP优化？
我的地方指挥部：
gcloud ml-引擎本地列车-包装-路径$PWD -模块名称example.train -配置示例/hpconfig.yaml-顺1 16 -顺2 2
我的配置文件：
trainingInput:
workerCount: 1
hyperparameters:
goal: MINIMIZE
hyperparameterMetricTag: val_loss
maxTrials:
浏览 1提问于2018-10-11得票数 1
回答已采纳
3回答
实现多到多回归任务
、、、
对不起，如果我不清楚地提出我的问题，英语不是我的第一语言。
问题
简短说明：
我想训练一个模型，它将输入x (形状为[n_sample, timestamp, feature])映射到输出y (形状完全相同)。就像映射2空间
较长版本：
我有两个浮动ndarray的形状[n_sample, timestamp, feature]，代表MFCC功能的n_sample音频文件。这2个ndarray是同一个语料库的2个说话人的语音，由DTW对齐。让我们将这两个数组命名为x和y。我想训练一个模型，它可以预测y[k]给定的x[k]。这就像从空间x映射到空间y，输出必须与输入的形状完全相同
我试过的
这是
浏览 0提问于2018-12-07得票数 5
回答已采纳
1回答
使用关键点R- Detectron2 R50-FPN的COCO人员关键点检测基线 如何使用上面的模型进行超参数调整？我必须打开哪些文件？ 谢谢
浏览 51提问于2020-07-24得票数 1
在微调花卉训练集上的InceptionV3模型中，有两个部分：
# Fine-tune only the new layers for 1000 steps.
然后运行评估。
然后,
# Fine-tune all the new layers for 500 steps.
然后运行第二个评估。
这在微调方面意味着什么？我不知道这个“步骤”的概念意味着什么，也不知道为什么他们需要做两次评估。
浏览 1提问于2017-07-19得票数 0
回答已采纳
5回答
我编写了一个LSTM模型来预测序列数据。
def get_model(config, num_features, output_size):
opt = Adam(learning_rate=get_deep(config, 'hp.learning_rate'), beta_1=get_deep(config, 'hp.beta_1'))
inputs = Input(shape=[None, num_features], dtype=tf.float32, ragged=True)
layers = LSTM(get_deep(co
浏览 0提问于2021-06-16得票数 1
回答已采纳
1回答
我已经培训了一个机器学习模型使用Sklearn，并查看不同的分数为培训，测试(开发)和验证集。
这里是分数
Accuracy on Train: 94.5468% Accuracy on Test: 74.4646% Accuracy on Validation: 65.6548% Precision on Train: 96.7002% Precision on Test: 85.2289% Precision on Validation: 79.7178% F1-Score on Train: 96.9761% F1-Score on Test: 85.6203% F1-S
浏览 1提问于2019-06-01得票数 0
回答已采纳
我正在研究数据，在这些数据中，我尝试了不同的分类算法，并看看哪种算法作为基线模型的性能最好。这方面的代码如下：
# Trying out different classifiers and selecting the best
## Creat list of classifiers we're going to loop through
classifiers = [
KNeighborsClassifier(),
SVC(),
DecisionTreeClassifier(),
RandomForestClassifier(),
AdaBo
浏览 2提问于2021-08-08得票数 1
回答已采纳
1回答
我使用tensorflow和keras对一些历史数据进行回归。数据类型如下：
id、时间戳、比率“santalucia”、“2018-07-04T16:55:59.020000”、21.8“santalucia”、“2018-07-04T16:50:58.043000”、22.2“santalucia”、“2018-07-04T16:45:56.912000”、21.9“santalucia”、“2018-07-04T16:40:56.572000”、22.5“santalucia”、“2018-07-04T16:35:56.133000”、22.5 "santalucia"
浏览 0提问于2018-11-12得票数 1
回答已采纳
我理解为什么我们有一个培训集、验证集和测试集。简言之：
培训集-用于培训模型
验证集-用于比较模型内的模型或超参数
测试集-获得对新数据的模型性能的无偏估计。
我理解，在许多情况下，您希望对模型性能进行公正的评估，例如，发布论文或向客户报告结果。但是，在我的情况下，我不关心获得一个对新数据的模型性能的公正估计。我只想找到最好的模型并使用它。此外，我没有那么多的数据，我宁愿有一个更大的培训集和验证集。除了对模型性能的不偏不倚的评估外，还有什么其他的理由来包括测试集？对我来说，使用训练和验证是有意义的吗？
浏览 0提问于2018-03-07得票数 1
1回答
更新:感谢Catalina抽出时间
我按照你的建议做了1-我将数据分成训练和验证，并将其添加到拟合中
history = model_final.fit(x_train_multi,
y_train_multi,
batch_size=BATCH_SIZE,
epochs=EPOCHS,
validation_data=(x_val_multi, y_val_multi),
c
浏览 1提问于2020-10-01得票数 0
我试图在Simscape电路模型中实现PID控制器，但系统似乎不喜欢我的格式。我使用来自Simulink的PID控制器块，并在Simscape中实现它，使用从源到Simulink信号块的转换，反之亦然。我已经在Simulink模型中优化了参数，但是我希望能够调优，在Simscape中的PID控制器，而不仅仅是为PID参数构建三个运算放大器。
浏览 5提问于2017-06-15得票数 0
回答已采纳
1回答
如何配置增强树模型
、、、
我想配置一个增强的决策树，但不知道如何做，我知道每个参数的含义，但不知道我必须分配给它的最佳值。
以下是参数：
每棵树的最大叶数(：60,100,200,300 )
每个叶节点的最小样本数:我放置( 10,30 )
学习率：我把(0,1)
树数构造：我把(2000,5000,6000)
随机数种子：我把(4)
问题是如何知道你是把正确的值，还是你没有过适合的模型？
浏览 1提问于2017-07-12得票数 0
4回答
我一直在阅读我们如何将我们的数据分成3部分；通常，我们使用验证集来帮助我们调整参数和测试集，以便对我们的模型的表现有一个无偏的估计，这样我们就可以根据测试集的结果来比较模型。然而，我也读过模型选择应该在调优参数之前完成。我有点糊涂了。哪一个必须先做另一个？验证集是否用于调优？如果是这样的话，我们应该如何在调整参数之前进行模型选择？
浏览 0提问于2018-11-27得票数 10
回答已采纳
1回答
LSTM部分序列预测
、、、、
这个问题是在继续我已经问过的。
我训练了一个LSTM模型来预测每批100个样本的二进制类(1或0)，即:数据的形状是(m，100，3)，其中m是批数。
数据：
[
[[1,2,3],[1,2,3]... 100 sampels],
[[1,2,3],[1,2,3]... 100 sampels],
... avaialble batches in the training data
]
目标：
[
[1]
[0]
...
]
模型代码：
def build_model(num_samples, num_features, is_training):
浏览 1提问于2018-11-19得票数 4
回答已采纳
我正在使用R中的caret库来生成模型。我希望生成一个earth (也称为MARS)模型，并希望为此模型生成指定degree参数。根据 (第11页)，earth方法支持此参数。
指定参数时出现以下错误信息：
> library(caret)
> data(trees)
> train(Volume~Girth+Height, data=trees, method='earth', degree=1)
Error in { :
task 1 failed - "formal argument "degree" matched by
浏览 2提问于2012-05-08得票数 6
回答已采纳
是否可以基于测试集而不是训练集，使用keras-tuner对模型性能进行评分/评估？我之所以这样问，是因为到目前为止，我的理解是，在tuner.search()中用作目标的度量函数只使用y_true和y_pred作为输入参数，并且它们都引用训练集(如果我错了，请纠正我)。
那么如何在我的度量函数中使用测试数据呢？
浏览 6提问于2021-06-25得票数 1
1回答
在常用的学习排序任务中，输入通常是语义的，具有良好的句法结构，就像问答排序任务一样。在这种情况下，CNN或LSTM是捕捉QA-对潜在信息(本地或长依赖)的良好结构。
但在现实中，有时我们只是短短的一对和离散的词。在这种情况下，CNN还是LSTM仍然是一个公平的选择？或者有什么更合适的方法可以解决这个问题呢？
浏览 5提问于2017-06-17得票数 2
回答已采纳
1回答
在过去的几个月里，代码工作得很好，但不知何故，在我做了一些事情之后出了问题，但我无法恢复它。 def bi_LSTM_model(X_train, y_train, X_test, y_test, num_classes, loss,batch_size=68, units=128, learning_rate=0.005,epochs=20, dropout=0.2, recurrent_dropout=0.2):
class myCallback(tf.keras.callbacks.Callback):
def on_epoch_end(self, e
浏览 13提问于2020-12-12得票数 1
回答已采纳
1回答
在阅读了大量关于交叉验证的文章之后，我现在感到困惑了。我知道交叉验证用于评估模型性能，并用于从多个算法中选择最佳算法。在选择最佳模型后(通过检验CV分数的均值和标准差)，我们在整个数据集(训练和验证集)上对该模型进行训练，并将其用于现实世界的预测。
假设在交叉验证中使用的三种算法中，我选择了最好的一种。我不明白的是，在这个过程中，我们什么时候调整超参数？我们是在交叉验证过程中使用嵌套交叉验证来调优超参数，还是首先通过交叉验证选择性能最好的算法，然后只为该算法调优超参数？
PS:我将数据集分为训练、测试和有效，在这里我使用训练集和测试集来构建和测试我的模型(这包括所有的预处理步骤和嵌套的cv)，
浏览 0提问于2021-11-24得票数 2
回答已采纳
2回答
我的理解是，对于某些类型的seq2seq模型，您需要训练编码器和解码器，然后将编码器放在一边，只使用解码器进行预测。例如，优步的seq2seq时间序列预测模型：
📷
现在，我正试图在Keras中实现这个to版本。
这是普通LSTM的Keras代码：
# define model
model = Sequential()
model.add(LSTM(50, activation='relu', input_shape=(n_steps, n_features)))
model.add(Dense(1))
model.compile(optimizer='adam'
浏览 0提问于2019-07-27得票数 4
1回答
随机LightGBM林
、、、
我并不完全确定增强决策树(特别是LightGBM )的偏差/方差，因此我想知道我们是否会像随机森林一样，通过创建多个LightGBM模型来提高性能呢？
浏览 0提问于2022-04-13得票数 1
我训练了一个NNET模型，它有三种大小的调谐功能。最后的模型有一个尺寸。由最小的RMSE自动选择。
Neural Network
9700 samples
23 predictor
Pre-processing: centered, scaled
Resampling: Cross-Validated (8 fold, repeated 8 times)
Summary of sample sizes: 8488, 8488, 8487, 8485, 8488, 8488, ...
Resampling results across tuning parameter
浏览 2提问于2015-01-07得票数 1
回答已采纳
1回答
我正在建立一个预测地理空间-时间数据集的模型。
我的数据有原始的维度(特征，lat，lon，时间)，即对于每个特征，在每个lat/lon点都有一个时间序列。
我已经像这样使用Keras创建了一个CNN-LSTM模型(我假设需要修改下面的内容，这只是第一次尝试)：
def define_model_cnn_lstm(features, lats, lons, times):
"""
Create and return a model with CN and LSTM layers. Input and output data is
expecte
浏览 0提问于2018-09-28得票数 4
回答已采纳
我在R中使用了H2O包，并试图通过gbm模型来提高我的分数。我尝试使用训练集和有效集进行网格搜索。但是当它完成时，两组之间的对数损失曲线是非常不同的。事实上，我的训练集存在过拟合，因此精度高于我的有效集
Here on H2O, my gbm's parameters :
ntrees = 100,
max_depth = 3,
learn_rate = 0.01,
nfolds = 5,
seed = 1234
你能给我一些解决问题的方法吗？
浏览 7提问于2018-08-24得票数 0
我已经定义了一个有状态的LSTM RNN，并且我希望在每个时代之后重新设置RNN的状态。我发现这样做的一种方法是：
n_epochs = 50
for i in range(n_epochs):
lstm.fit(X, y, epochs = 1, batch_size = 64)
lstm.reset_states()
在模型规范中，或者在Keras支持的培训中，还有其他更优雅的方法来实现这一点吗？
浏览 3提问于2022-03-26得票数 2
回答已采纳
1回答
我正在尝试训练VGG16模型代码，但是损失并没有得到优化，而且模型的参数似乎没有被更新。以下是模型：
import torch
import torch.nn as nn
import math
import torch.nn.functional as F
from utils import AvgPoolConv
cfg = {
'VGG11': [16, 'M', 32, 'M', 64, 64, 'M', 128, 128, 'M', 128, 128, 'M'],
'VGG13&#
浏览 4提问于2022-07-12得票数 -1
我试图用caret package拟合R中的logistic回归模型。我做了以下工作：
model <- train(dec_var ~., data=vars, method="glm", family="binomial",
trControl = ctrl, tuneGrid=expand.grid(C=c(0.001, 0.01, 0.1, 1,10,100, 1000)))
但是，我不确定这个模型的调优参数应该是什么，而且我很难找到它。我假设它是C，因为C是sklearn中使用的参数。目前，我收到了以下错误-
浏览 0提问于2017-12-14得票数 6
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
