1回答
Keras LSTM模型过拟合
、、、、
我在Keras中使用LSTM模型。在拟合阶段，我添加了validation_data参数。当我绘制我的训练与验证损失时，似乎存在严重的过拟合问题。我的验证损失就是不会减少。我已经尝试添加dropout并尽可能地降低模型的复杂性，但仍然没有成功。testX, testY = test_scaled[:, 0:-1].reshape(-1,1,1), test_scaled[:, -1]model.add(LSTM</em
浏览 53提问于2021-07-23得票数 0
回答已采纳
我试着学习在线教程(、等)，但是当使用keras TimeseriesGenerator来拟合LSTM模型时，我无法正确地获得输入维度。然后我定义了keras TimeseriesGeneratorlook_back= 10 我定义了
浏览 1提问于2019-08-24得票数 1
2回答
我已经建立了一个通用的lstm模型： lstm_layer(n_neurons, return_sequences=True), lstm_layer(n_neurons, return_sequences=True),
ls
浏览 0提问于2021-01-26得票数 4
📷我使用keras的代码如下：from keras.callbacks import EarlyStopping, ModelCheckpoint
callbacks = [EarlyStopping(monitor
浏览 0提问于2019-05-24得票数 1
2回答
我正在研究keras中的一个多类图像分类问题。使用kaggle上的狗品种数据集。我对12个品种的准确率是95%，但我的验证准确率只有50%。看起来模型是过拟合的，但是我不确定我需要做些什么来防止过拟合。from keras.utils.np_utils import to_categoricalfrom
浏览 0提问于2018-11-06得票数 0
2回答
我想把我的数据输入到LSTM网络中，但是找不到类似的问题或教程。我的数据集类似于： t1 f1 f2 f3 ...我想用LSTM神经网络把这些人分为两类。我的问题是如何将这种类型的数据输入到高级库(如Keras )中的LSTM中？编辑：我的第一次尝试是在keras中使用它作为input_shape，但是我在二进制分类中获得了50%的准确率！是我的数据集中的问题还是input_shape错了？！LSTM(5,input_
浏览 0提问于2018-12-07得票数 1
1回答
我正在学习RNN，我在keras (theano)中编写了这个简单的LSTM模型，使用的是使用sklearn生成的样本数据集。from sklearn.datasets import make_regressionfrom keras.layers importLSTM modelmodel.add(LSTM(32, input_dim=9))
mode
浏览 4提问于2016-10-11得票数 1
回答已采纳
我正在处理文档分类问题，并尝试应用基本的RNN/LSTM模型。
我制作了多层LSTM模型，并用15个时期进行了训练，但我获得了大约53%的训练准确率。41%的测试访问率。，它可能是过拟合的。而过拟合的原因是，模型甚至训练了训练数据集的噪声。但我认为，如果发生了过度拟合，训练是可行的。必须是相当高的(80-90%)和测试访问。这比这要低得多，因为过拟合意味着模型对于训练数据
浏览 0提问于2020-04-24得票数 0
1回答
我会假设它会过拟合数据，如果我有这么低的损失，那么我就会有一个非常高精度的过拟合函数。我错过了什么理论概念？(Activation('softmax'))
opt1 = keras.opt
浏览 0提问于2017-09-07得票数 0
我使用Keras (Tensorflow后端)来拟合时间序列模型。这是我的模型：model.add(LSTM(LSTM_nums, input_shape=(timestep,data_dim)))model.fit(trainX, trainY, epochs=100, batch_size=1, verbose=2)
我想知道是否存在用给定的时间步骤设置
浏览 0提问于2017-11-12得票数 0
我是keras的初学者。我的数据集与任何普通数据集非常相似。它有382个特征中的每个都有25K个样本。我认为将每个样本视为一个序列，然后将它们提供给LSTM。keras训练数据集的维度是多少？x_train = np.reshape(x_train_values, (25K, 382, 1))
同样，在模型拟合中，我对模型input_shape也是这样使用的，是真的吗？model.add(LSTM(379, activation="tanh", re
浏览 0提问于2019-10-21得票数 0
在本文中，他们使用了两个隐藏的LSTM层，每个64个单元，两个完全连接的层，每个层有8个神经元(~55000个参数)。LSTMs会产生大量的参数，因此在训练这样的网络时可能会遇到过拟合。保持相同的架构，我无法达到论文中的分数和RMSE在验证集，而且过度拟合总是在这里。我在这里提供更多关于我的网络和结
浏览 0提问于2020-08-19得票数 2
回答已采纳
2回答
我已经使用Keras的LSTM构建了一个模型，该模型可以检测堆栈溢出上的两个问题是否重复。当我运行模型时，我在纪元中看到了类似这样的东西。上面的哪个值是我的模型的准确性。我对机器学习比较陌生，所以任何解释都会有所帮助。
浏览 1提问于2018-07-15得票数 20
回答已采纳
我正在使用Scikit learn wrapper KerasClassifier通过RandomizedSearchCV对我的LSTM模型进行超参数调优。2.首先使用build_lstm_model函数创建模型3.定义KerasClassifier 4.指定要用于拟合以确定评分的参数5.使用RandomizedSearchCV指定要搜索的参数5.拟合模型# keras model
def build_lstm_model(n_blo
浏览 0提问于2019-09-01得票数 1
2回答
当我们拟合一个LSTM模型时，每个LSTM都有一个包含我们想要的信息的单元状态。我想知道细胞状态的维数是多少(即细胞状态本身应该是向量，那么向量有多大？)如果我使用Keras包，如何找到每个LSTM单元的单元格状态维度？这是什么可以调整的东西吗？
谢谢!
浏览 0提问于2017-12-31得票数 1
1回答
在Keras中实现LSTM
、、、、
我非常感谢您在Keras中创建LSTM模型的帮助。我的输入是一个二维numpy数组，其中的行是长度相等的数值时间序列。我编写了以下几行代码来创建一个LSTM模型，该模型在没有嵌入层的原始数据上运行： lstm_clf = Sequential()lstm_clf.add(Dense(7, act
浏览 18提问于2019-02-10得票数 1
我正在使用带TensorFlow后端的KERAS。假设这是模型块：model.add(Dropout(rate = 0.5))model.fit(X_train, Y_train, epochs = 200, batch_size = 32)
有没有办法从经过训练的模型
浏览 0提问于2019-08-22得票数 0
1回答
我正在训练一个CNN-LSTM concat模型，经过20个时期后，我得到了69%的准确率和0.04 %的损失？我知道非常高的训练精度和相对较低的验证精度的组合表示过拟合，但我想知道低精度和非常低的损失是否也表示过拟合。 总体而言，准确率呈线性增加，损失呈指数下降。
浏览 37提问于2020-01-30得票数 0
回答已采纳
1回答
我正在创建一个LSTM模型来预测比特币的收盘价。然而，当我开始训练时，我的验证损失开始变得非常不稳定，我的test_prediction变得不准确。这是我的模型： model = Sequential()
model.add(LSTM(60))
model.compile(optimizer='adam', loss='mean_squared_error')
浏览 122提问于2021-02-12得票数 0
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
