1回答
LSTM输入混乱
、、、、
我试着理解LSTM输入已经有一段时间了，我想我理解了，但是我一直对如何实现它们感到困惑。在指定LSTM时，可以指定单元格数和输入形状(我对输入形状有问题)。单元格数指定了多少个单元格应该查看给定的数据，而不影响所需的输入形状。输入形状(当状态)按批处理大小、批处理中的时
浏览 8提问于2020-12-29得票数 0
回答已采纳
我有以下的想法来实施：输入有100个时间步骤，每个步骤都有一个64维特征向量CNN层包含64个过滤器，每个过滤器有16个水龙头。然后，最大池层将提取每个卷积输出的单个最大值，从而在每个时间步骤中总共提取64个特征。
然后，将层的输出输入有64个神经元的层。重复次数与输入
浏览 1提问于2018-04-17得票数 2
我正在处理一个回归问题，我将一组平面图提供给CNN + LSTM - keras中的体系结构。我的数据形状为(n_samples, width, height, n_channels)。我要问的问题是如何正确地将CNN连接到LSTM层。当卷积传递给LSTM时，需要以某种方式对数据进行整形。有几个想法，例如结合使用TimeDistributed-wrapper和整形，但我无法设法使它工作。。然后输入层
浏览 4提问于2020-06-03得票数 1
回答已采纳
1回答
我想训练CNN + LSTM模型使用CNN + LSTM使用以下代码来驾驶汽车 import tensorflow as tf ) # outputs with one dimension to LSTMmodel.add( Fla
浏览 33提问于2020-06-15得票数 0
2回答
这似乎是PyTorch中关于LSTM最常见的问题之一，但我仍然无法弄清楚PyTorch LSTM的输入形状应该是什么。
即使在跟踪了几个帖子(、、)并尝试了解决方案之后，它似乎也不起作用。背景:我在一批大小为12的文本序列中编码了文本序列(可变长度)，并使用pad_packed_sequence功能对序列进行填充和打包。每个序列的MAX_LEN为384，序列中的每个令牌(或word)的维数为768。
浏览 6提问于2020-05-06得票数 16
回答已采纳
1回答
我正在创建一个多输入模型，其中我连接一个CNN模型和一个LSTM模型。lstm模型包含最后5个事件，CNN包含最后一个事件的图片。两者都被组织起来，使得numpy中的每个元素k与5个事件和相应的图片相匹配，输出标签也是如此，输出标签是应该由模型预测的“下一个”事件。= Model(inputs, x)hidden1
浏览 2提问于2020-05-01得票数 0
回答已采纳
1回答
我正在尝试用标准普尔500数据集来训练CNN和LSTM网络。这是我的列车数据集的形状：model.add(TimeDistributed(Conv1D(filters=64,kernel_size=1, activation='relu'), input_shape=(None,16)))
在代
浏览 0提问于2020-08-20得票数 2
回答已采纳
1回答
网络应该将IMDB电影评论按1-好电影和0-坏电影分类。def cnn_lstm_merged(): cnn_model = Sequential() cnn_model.add(Flatten())
lstm_model.a
浏览 0提问于2018-09-03得票数 3
回答已采纳
1回答
如何将5D张量输入LSTM？
、、、、
我有视频数据输入的三维CNN网络的形状为(150，80，80，16，3)。150编号。序列的2时间维我想将其输入到LSTM中，因此我将输出数据重新定义为：model.add(LSTM(10
浏览 0提问于2018-06-04得票数 0
回答已采纳
1回答
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)：我的假设是，该模型将采用具有形状的数据(特征、lats、lo
浏览 0提问于2018-09-28得票数 4
回答已采纳
1回答
已经有许多论文(特别是图像标题)将CNN和LSTM架构联合用于预测和生成任务。然而，他们似乎都是独立于LSTM训练CNN的。我在浏览Torch和TensorFlow (用Keras)，却找不到为什么不可能进行端到端的培训(至少从架构设计的角度来看)，但似乎没有任何关于这种模型的文档。
那么，能做到吗？火炬或TensorFlow (甚至西亚诺斯或卡菲)是否支持联合训练端到端的
浏览 2提问于2016-10-17得票数 8
谁能为我解释一下时间分布层(来自)和ConvLSTM-2D ()之间的区别，目的，用法等？
浏览 5提问于2018-12-02得票数 0
1回答
我正在尝试建立一个卷积递归网络，它采用32000 x 1原始音频时间序列的固定输入大小。它只是一个长度为32000的数值数组。例如，如果我们的批量大小为1，我的维度将是 torch.size([1,32000,1]) 1个音频时间序列，长度为32000，1通道 我必须把它重塑成 torch.size([1,1,32000])，数据的大小为 torch.Size([1, 512, 6]) 如何处理此输出并将其放入LSTM？我们如何将结果提供给LSTM？它
浏览 47提问于2019-09-14得票数 2
我有一个生成器，它生成的数据形状为(32, 9, 200, 1)，其中32是批处理大小。第二种方法是，生成5倍(32, 9, 200, 1)形状的数据。5x的原因是为了输入一个多输入模型，我生成了一个由5个数组组成的列表。_1 = LSTM(50)(flatten)
out =
浏览 0提问于2020-04-08得票数 1
我正在使用2D CNN和输入形状(20,20,1)。我可以在2D CNN层之后添加LSTM层吗？nb_classes = 2nb_pools = 2model = Sequential()
model.add(MaxPooling2D(strides = (nb_pools, nb_pools
浏览 22提问于2019-10-20得票数 0
0回答
我正在尝试在图像上结合Conv2D层和LSTM层。问题是LSTM层接受一个包含通道数量的4D张量作为输入，而我的Conv2D网络需要一个3D张量。问题是我使用了bucketing，所以我的输入没有预定义的时间步数。我想做这样的事情：cnn1 = Conv2D(nb_filters, kernel_si
浏览 1提问于2017-06-12得票数 3
在我最初的设置中，我得到了y1 = (1200,10)model = Sequential()model.add(LSTM(12, return_sequences=True))model.add((Dense(10))
浏览 2提问于2019-05-22得票数 11
4回答
我正在进行二进制分类，我的代码在、Keras、上工作得很好，当我与CNN一起工作时，我得到了输入形状不兼容的错误。这是我使用keras的cnn代码inputBatch = inputBatch.reshape(inputBatch,ponlabel,bat
浏览 1提问于2018-11-02得票数 1
回答已采纳
1回答
我正在使用一组从csvs读取到数据文件中的时间序列。yhat_gbm, yhat_cnn, yhat_phys]然后，我进行了一些数据处理和清理，其中删除了yhat_lstm的<
浏览 4提问于2020-09-01得票数 0
云服务器
ICP备案
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号