Keras:通过共享LSTM层传递数组？
Keras是一个开源的深度学习框架，它提供了一种简单而高效的方式来构建和训练神经网络模型。在Keras中，共享LSTM层可以通过使用函数式API来实现。
共享LSTM层是指在一个模型中多次使用相同的LSTM层。这种共享层的设计可以减少模型的参数量，提高模型的训练效率，并且可以在不同的输入之间共享学习到的特征。
在Keras中，可以通过以下步骤来实现共享LSTM层传递数组：
- 导入所需的库和模块：
from keras.layers import LSTM, Input
from keras.models import Model- 定义输入张量：
input_tensor = Input(shape=(timesteps, input_dim))其中，timesteps表示时间步数，input_dim表示输入维度。
- 定义共享LSTM层：
shared_lstm = LSTM(units=hidden_units)其中，hidden_units表示LSTM层的隐藏单元数。
- 使用共享LSTM层处理输入张量：
shared_output = shared_lstm(input_tensor)- 定义模型的输出层：
output = Dense(output_dim, activation='softmax')(shared_output)其中，output_dim表示输出维度。
- 构建模型：
model = Model(inputs=input_tensor, outputs=output)通过以上步骤，我们可以构建一个具有共享LSTM层的模型，并将输入张量传递给共享层进行处理。这样，我们就可以在模型中多次使用相同的LSTM层，实现对数组的传递。
Keras提供了丰富的功能和模块，可以满足各种深度学习任务的需求。在云计算领域，Keras可以与腾讯云的AI平台结合使用，例如腾讯云的AI Lab和AI 机器学习平台，来进行模型的训练和部署。同时，腾讯云还提供了丰富的云计算产品和服务，如云服务器、云数据库、云存储等，可以满足云计算领域的各种需求。
更多关于Keras的信息和腾讯云相关产品的介绍，请参考以下链接：
- Keras官方网站：https://keras.io/
- 腾讯云AI Lab：https://cloud.tencent.com/product/ai-lab
- 腾讯云AI 机器学习平台：https://cloud.tencent.com/product/tiia
- 腾讯云云服务器：https://cloud.tencent.com/product/cvm
- 腾讯云云数据库：https://cloud.tencent.com/product/cdb
- 腾讯云云存储：https://cloud.tencent.com/product/cos
相关·内容
我对Keras很陌生，在阅读了几篇教程之后，我开始构建一个模型，并发现了这两种实现风格。然而，我得到一个错误在第一个和第二个工作良好。有人能解释一下两者的区别吗？
第一种方法：
visible = Embedding(QsVocabSize, 1024, input_length=max_length_inp, mask_zero=True)
encoder = LSTM(100,activation='relu')(visible)
第二种方法：
model = Sequential()
model.add(Embedding(QsVocabSize, 1024, input
浏览 2提问于2019-03-23得票数 0
回答已采纳
1回答
我在尝试创建一个LSTM模型。在将数据传递到第一个LSTM层之前，我想添加一个Masking层。我可以在Keras中使用顺序方法来完成这个任务。见。然而，当我尝试以不同的方式对它进行编码时，我会得到一个值错误(参见下面)。知道怎么解决这个问题吗？
import keras
def network_structure(window_len, n_features, lstm_neurons):
masking = keras.layers.Masking(
mask_value=0.0, input_shape=(window_len, n_features)
浏览 4提问于2018-12-13得票数 4
回答已采纳
1回答
model = tf.keras.Sequential([tf.keras.layers.Embedding(tokenizer.vocab_size, 64),tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(64,return_sequences=True))
tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(32)),
tf.keras.layers.Dense(64, activation='relu'),
tf.keras.
浏览 6提问于2020-08-16得票数 0
1回答
我正在Keras中实现一个简单的多任务模型。我使用了中在共享层标题下给出的代码。
我知道，在多任务学习中，我们共享模型中的一些初始层，并且按照的规定，将最后的层划分为特定的任务。
我在keras中有两种情况，在第一种情况下，我使用的是keras.layers.concatenate，而在另一种情况下，我不使用任何keras.layers.concatenate。
我张贴的代码以及每个案例的模式如下。
Case-1代码
import keras
from keras.layers import Input, LSTM, Dense
from keras.models import Model
f
浏览 1提问于2019-07-25得票数 0
回答已采纳
1回答
这是我的简单可复制代码：
from keras.callbacks import ModelCheckpoint
from keras.models import Model
from keras.models import load_model
import keras
import numpy as np
SEQUENCE_LEN = 45
LATENT_SIZE = 20
VOCAB_SIZE = 100
inputs = keras.layers.Input(shape=(SEQUENCE_LEN, VOCAB_SIZE), name="input")
encode
浏览 0提问于2019-07-12得票数 0
回答已采纳
在解决另一个时，我编写了这些代码行，得到了一个奇怪的输出。
我已经导入了tensorflow和以下层：
import tensorflow as tf
from keras import Sequential
from keras.layers import Embedding
from keras.layers import Dense
from keras.layers import Dropout
from keras.layers import LSTM
# create and fit the model
rnn_units = 102
浏览 1提问于2020-08-26得票数 0
1回答
Keras:堆叠多个LSTM图层
、、、、
我有以下工作正常的网络：
output = LSTM(8)(output)
output = Dense(2)(output)
现在，对于相同的模型，我尝试堆叠一些LSTM层，如下所示：
output = LSTM(8)(output, return_sequences=True)
output = LSTM(8)(output)
output = Dense(2)(output)
但我得到了以下错误：
TypeError Traceback (most recent call last)
<ipython-input-2-
浏览 10提问于2018-01-30得票数 2
回答已采纳
我已经完成了一个简单的多对一的LSTM模式如下。
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.layers import LSTM
from tensorflow.keras.layers import Dropout
model=Sequential()
model.add(LSTM(2**LSTM_units,input_length=data.shape[1],input_dim=data.shape[2],re
浏览 0提问于2020-06-22得票数 11
1回答
我试图更好地理解keras层的时间步骤，但仍在挣扎。
我想要创建一个模型，可以比较两个输入(暹罗网络)。所以我的输入是两次预处理文本。预处理如下：
max_len = 64
data['cleaned_text_1'] = assets.apply(lambda x: clean_string(data[]), axis=1)
data['text_1_seq'] = t.texts_to_sequences(cleaned_text_1.astype(str).values)
data['text_1_seq_pad'] = [list(x)
浏览 8提问于2022-07-28得票数 0
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 = Sequential()
model.add(Embedding(44000,32))
model.add(LSTM(32))
model.add(Dense(1, activation='sigmoid'))
浏览 1提问于2022-09-01得票数 -2
与顺序API
如果我用Keras的顺序API创建一个LSTM，下面的代码如下所示：
from keras.models import Sequential
from keras.layers import LSTM
model = Sequential()
model.add(LSTM(2, input_dim=3))
然后
model.summary()
返回48参数，如中所示，该参数没有问题。
快速详细信息：
input_dim = 3, output_dim = 2
n_params = 4 * output_dim * (output_dim + input_dim + 1
浏览 2提问于2018-10-11得票数 2
回答已采纳
2回答
我有个问题。我想在我的CNN中使用CNN来解决一个NLP问题。但不幸的是，我得到的是下面的错误ValueError: Input 0 of layer "conv1d_37" is incompatible with the layer: expected min_ndim=3, found ndim=2. Full shape received: (None, 128)。如何使用LSTM层？
from keras.models import Sequential
from keras.layers import Input, Embedding, Dense, GlobalM
浏览 14提问于2022-10-03得票数 0
回答已采纳
1回答
Keras中的多任务学习
、、、、
我试图在Keras中实现共享层。我确实看到Keras有keras.layers.concatenate，但是从文档中我并不确定它的使用情况。我可以使用它来创建多个共享层吗？使用Keras实现简单共享神经网络的最佳方法是什么？
编辑1:注意，所有3个NNs的输入、输出和共享层的所有形状都是相同的。在三个NNs中有多个共享层(和非共享层)。每个NN的颜色层都是独一无二的，并且具有相同的形状。
基本上，图代表了3个相同的NNs和多个共享隐藏层，然后是多个非共享隐藏层.
我不知道如何共享多个层，在Twitter示例中，只有一个共享层(在API文档中)。
编辑2:基于风水的有益评论的，这是我最
浏览 0提问于2018-02-05得票数 2
回答已采纳
这是我的密码：
from keras.layers import LSTM, Bidirectional, Dense, Input, Flatten
from keras.models import Model
input = Input(shape=(None, 100))
lstm_out = Bidirectional(LSTM(10, return_sequences=True))(input)
something = Flatten()(lstm_out)
output = Dense(22, activation='sof
浏览 0提问于2018-10-28得票数 2
回答已采纳
1回答
我尝试使用神经网络创建字符级机器学习翻译。我对文本做了预处理。input_one_hot_encoded_list包含输入单热编码句子，output_one_hot_encoded_list包含另一种语言的单热编码句子，这是我想要实现的。在这个例子中，我的字典有55个字符，我有100个句子，所以两个数组都由100个列表组成，这些列表包含50个列表(最长的句子有50个字符)，其中包含55个整数(一个热编码，每个列表包含54个0和1)。你知道为什么它不工作吗？错误显示在底部。 print('shape of input_one_hot_encoded_list: ' + str(
浏览 24提问于2019-01-06得票数 0
我有样本，其中有2D形状(say [a, 10])。其中a随样本的变化而变化。我正在使用batch size = 1进行训练，以避免可变批量大小的问题。我创建了以下LSTM网络。现在的问题是，我的目标是形状[1,a,1]的概率向量。对于每个样本，概率向量的和是1。
我想在最后一层应用softmax激活，这样我就可以将其与目标进行比较。我该怎么办？
Layer (type) Output Shape Param #
==============================
浏览 2提问于2018-05-29得票数 0
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 )：
inputs = tf.keras.Input(shape=(timesteps, features), name='input')
lstm_1 = layers.LSTM(64, return_sequences=True, name='lstm_1')(inputs)
lstm_2 = layers.LSTM(64, retu
浏览 26提问于2021-05-20得票数 1
回答已采纳
1回答
我正在尝试使用LSTM和密集神经网络在Keras中构建序列到序列模型。编码器对输入进行编码，然后将编码状态和输入连接并馈送到解码器，该解码器是lstm +密集神经网络，其及时输出分类标签。下面是我的代码 from keras.utils import to_categorical
from keras.layers import Embedding, Bidirectional, GRU, Dense, TimeDistributed, LSTM, Input, Lambda
from keras.models import Sequential, Model
import numpy a
浏览 18提问于2019-02-07得票数 1
我是深度学习的新手，在理解4个特征向量(全部是浮点数)的嵌入和传递序列到LSTM模型时遇到了问题。我的模型如下： f_data = np.array([[[259992.7, 11745.7, 0.0, 5500.0], [259068.5, 11745.7, 0.0, 5500.0]], [[250284.9, 11713.07, 1.0, 5730.0], [259043.3, 11728.2, 0.0, 5615.0], [238096.3, 11680.1, 0.0, 5730.0]]], dtype=object)
y_data = np.array([0,1])
train_x
浏览 31提问于2021-08-16得票数 0
1回答
因此，我正在尝试练习如何在Keras中使用LSTM和所有参数(示例、时间步长、特性)。3D列表让我很困惑。
所以我有一些股票数据，如果列表中的下一项高于阈值5，即+2.50，如果它处于该阈值的中间，这些是我的标签: my Y。
对于我的特征X，我有500个样本的数据帧500，1，3，每个时间步长是1，因为每个数据是1小时的增量，3个特征是3。但是我得到了这个错误：
ValueError: Error when checking model input: expected lstm_1_input to have 3 dimensions, but got array with shape (5
浏览 0提问于2017-09-27得票数 2
在将嵌入层的输出传递给LSTM层时，我遇到了一个我无法识别的ValueError。我的模型是： def lstm_mod(self, n_cells,batch_size):
input = tf.keras.Input((self.n_seq, self.n_features))
embedding = tf.keras.layers.Embedding(batch_size,self.n_seq,input_length=self.n_clusters)(input)
x= tf.keras.layers.LSTM(n_cells)(emb
浏览 17提问于2021-04-23得票数 1
1回答
LSTM Keras顶部的注意
、、、、
我正在使用Keras训练一个LSTM模型，并希望在此基础上增加注意。我对Keras和注意力都很陌生。在链接中，我学会了如何在LSTM层上添加注意，并建立了这样的模型
print('Defining a Simple Keras Model...')
lstm_model=Sequential() # or Graph
lstm_model.add(Embedding(output_dim=300,input_dim=n_symbols,mask_zero=True,
weights=[embedding_weights],input_
浏览 3提问于2018-05-28得票数 2
1回答
根据Udemy教程，我正在keras中实现一个LSTM网络。在教程视频中，代码正在运行，但当我自己运行它时，它得到的错误是：
检查目标时错误:期望dense_26具有三维，但得到形状为(1198，1)的数组
它与Spyder的版本有关吗？x_train的大小是(1198,60,1)，y_train的大小是(1198,)
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
#Importing the training set
dataset_train = pd.read_csv('E:\\d
浏览 2提问于2019-11-10得票数 0
回答已采纳
Keras: 2.1.6，python 3.6，tensorflow 1.8.0
我正在尝试训练一个序列模型，它有两个LSTM层和3个密集层。我事先做了一些数据准备，并将数据设置为LSTM层要求的格式，即(n_samples, n_timesteps, n_features)。我的数据有14个特性，实际上是5000步的长序列，因此我将其分解为500个样本，每个步骤10个时间步骤。完成后，我从下面的模型开始，但很快就遇到了最后一层输入形状的错误。我尝试使用Sequential和Functional都会产生相同的错误。
import keras
from keras import callbac
浏览 3提问于2018-11-14得票数 1
回答已采纳
所以我想通过keras预测一个产品在亚马逊上的星级数，我见过其他的方法，但我使用了通用的句子编码器和one-hot编码(我遵循了Youtube的教程来嵌入评论)。现在不使用LSTM层，而是使用以下层：
`model.add(keras.layers.Dense(units=256,input_shape=(X_train.shape[1], ),activation='relu'))
model.add(keras.layers.Dropout(rate=0.5))
model.add(keras.layers.Dense(units=128,activation='r
浏览 0提问于2020-07-23得票数 0
1回答
我试图在Keras模型中使用一个具有状态的共享LSTM层，但是内部状态似乎被每一次并行使用所修改。这就提出了两个问题：
当使用共享的LSTM层训练模型并使用stateful=True时，并行使用是否在培训期间更新相同的状态？
如果我的观察是有效的，那么是否有一种方法可以使用均分LSTM，以便为每个并行用途独立地存储状态？
下面的代码举例说明了共享LSTM的三个序列的问题。对一个完整输入的预测与将预测输入分成两半并连续输入网络的结果进行了比较。
可以观察到的是，a1和aFull的前半部分是一样的，这意味着在第一次预测中，LSTM的使用实际上是与独立状态平行的。也就是说，z1不受创
浏览 3提问于2019-12-11得票数 1
1回答
最近我学习了ResNet的跳转连接，我发现这种网络结构在训练过程中会有很大的改进，它也适用于卷积网络，如U-net。但是，我不知道如何用LSTM自动编码网络实现类似的结构。看来我被一些维度问题困住了..。我正在使用keras的方法来实现，但是我不断地得到错误。下面是网络代码：
# lstm autoencoder recreate sequence
from numpy import array
from keras.models import Sequential
from keras.layers import LSTM
from keras.layers import Dense
fro
浏览 14提问于2020-03-20得票数 3
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。
为了训练，我有一个长长的numpy数组，名为dn of shape (12499896,)。然后我定义了keras TimeseriesGenerator
from keras.preprocessing.sequence import TimeseriesGenerator
look_back = 10
gen = TimeseriesGenerator(dn, dn, length=look_back, batch_size=8)
我定义了模型：
fr
浏览 1提问于2019-08-24得票数 1
1回答
我试图为二进制分类0或1建立一个RNN/LSTM模型。
我的数据集的样本(病人数，磨坊时间/秒，X，Y和Z的归一化，峰度，偏度，俯仰，滚动和偏航，标签)。
1,15,-0.248010047716,0.00378335508419,-0.0152548459993,-86.3738760481,0.872322164158,-3.51314800063,0
1,31,-0.248010047716,0.00378335508419,-0.0152548459993,-86.3738760481,0.872322164158,-3.51314800063,0
1,46,-0.26742266
浏览 1提问于2018-05-16得票数 0
1回答
Keras LSTM多类分类结构
、、、、
我是机器学习的初学者，一直在尝试使用LSTM根据12个特征分为4个类别。我已经学习了相当多的教程，但我仍然有点困惑。我的数据集有12列，我希望将其用于训练，其中包括标签列，该列具有与每个类对应的值。
0=1类
1=2类
2=3类
3=4类
这是我的代码：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler
import time
# For LSTM model
from keras.models import
浏览 0提问于2021-01-31得票数 0
1回答
我已经在keras中训练了一个递归神经网络(LSTM)，但现在我正在努力将所有的部分组合在一起。具体地说，我无法理解如何重新组合权重矩阵。
我有一个输入，一个隐藏层和一个输出层，如下所示：
# create the model
model = Sequential()
model.add(LSTM(100, dropout=0.5, recurrent_dropout=0.5, input_shape=(timesteps, data_dim), activation='tanh'))
model.add(Dense(5, activation='softmax'
浏览 2提问于2018-03-23得票数 2
我的数据集有2944424行6列。我在Keras使用LSTM来预测出租车需求。我有问题的input_shape参数的最低限度。
它给出了错误：
ValueError: Error when checking input: expected lstm_15_input to have 3 dimension
浏览 0提问于2019-06-16得票数 1
回答已采纳
在Tensorflow教程中，我正在实验LSTM时间序列
在使用LSTM的“多步预测”一节中，教程说
由于这里的任务比以前的任务要复杂一些，所以模型现在由两个LSTM层组成。最后，由于72个预测，致密层输出72个预测。
之前的任务是单点预测。
我们如何知道一个问题需要多少层(在这里，2层)？
然后，从实现的角度，使用Python库，
multi_step_model = tf.keras.models.Sequential()
multi_step_model.add(tf.keras.layers.LSTM(32,
浏览 0提问于2019-12-25得票数 2
回答已采纳
我是堆栈，我需要堆积如山的智慧。
我使用Functional在Keras中实现了两个输入神经网络，输入形状如下：
X.shape, X_size.shape, y.shape
((123, 9), (123, 2), (123, 9, 10))
所以，我的问题是，为了使用y张量，我想得到具有三维形状的LSTM的输出形状。我知道，我可以把我的y重塑成二维形状，但是我想用它作为一个三维数组。
from keras.models import Model
from keras import layers
from keras import Input
# first input
list_i
浏览 2提问于2017-08-08得票数 0
回答已采纳
我想应用这个方法来实现Bi-LSTM。这里讨论了该方法：Bi-LSTM Attention model in Keras 我得到以下错误：'module' object is not callable 它不能在以下行中应用乘法：sent_representation = merge([lstm, attention], mode='mul') from keras.layers import merge
import tensorflow as tf
from tensorflow.keras.layers import Concatenate, Dense,
浏览 33提问于2020-11-04得票数 0
1回答
Keras:训练时的值错误
、、、、
我的深造建筑是这样的：
main_input_1 = Input(shape=(50,1), dtype='float32', name='main_input_1')
main_input_2 = Input(shape=(50,1), dtype='float32', name='main_input_2')
lstm_out=LSTM(32,activation='tanh',recurrent_activation='sigmoid',return_sequences=True)
mean_
浏览 0提问于2018-07-03得票数 0
回答已采纳
我定义了一个自定义的LSTM层，如下所示： class LSTMModel(tf.keras.Model):
def __init__(self, CNN_model, num_classes):
super().__init__()
self.cnn_model = CNN_model
self.lstm = tf.keras.layers.LSTM(units=64, return_state=True, dropout=0.3)
self.dense = tf.keras.layers.Dense(num_clas
浏览 43提问于2021-10-27得票数 0
回答已采纳
3回答
我正在尝试将一个层的输出传递到两个不同的层中，然后将它们连接在一起。然而，我被这个错误阻止了，它告诉我我的输入不是符号张量。
Received type: <class 'keras.layers.recurrent.LSTM'>. All inputs to the layers should be tensors.
但是，我相信我非常仔细地遵循了文档：
并且不能完全确定为什么这是错误的？
net_input = Input(shape=(maxlen, len(chars)), name='net_input')
lstm_out = LSTM(
浏览 2提问于2017-07-01得票数 22
2回答
这是我对LSTM序列的理解。假设我们正在处理一个问答设置。
您有两套LSTM(绿色和蓝色)。每组分别共享权重(即，4个绿色单元中的每个具有相同的权重，并且与蓝色单元相似)。第一种是多到一的最小存储空间，它在最后一个隐藏层/单元内存中总结了问题。
第二组(蓝色)是一对多的LSTM，与第一组LSTM具有不同的权重。输入只是回答句，而输出是同一个句子，移动一句。
问题有两个方面: 1.我们是否将最后一个隐藏状态(仅)作为初始隐藏状态传递给蓝色LSTM。或者是最后一次隐藏状态和单元内存。2.是否有办法在Keras或Tensorflow中设置初始隐藏状态和单元内存？如果是这样的话？
(图片取自su
浏览 10提问于2017-09-22得票数 7
回答已采纳
我使用以下代码创建了一个LSTM模型：
model = tensorflow1.keras.Sequential()
model.add(tensorflow1.keras.layers.LSTM(128, input_shape=(720, 4), return_sequences=True)) model.add(tensorflow1.keras.layers.LeakyReLU(alpha=0.5)) model.add(tensorflow1.keras.layers.LSTM(128, return_sequences=True)) model.add(tensorflow1.ke
浏览 3提问于2021-03-15得票数 0
回答已采纳
1回答
其思想是训练CNN的一个余弦相似矩阵的隐藏状态的两个胆汁。我试图使以下代码正常工作，但它未能给出错误消息：
Graph disconnected: cannot obtain value for tensor
Tensor("bidirectional_4/concat:0", shape=(?, ?, 100), dtype=float32)
at layer "input_11". The following previous layers were accessed without issue: []
训练模型的代码如下：
def train_model(
浏览 2提问于2018-10-16得票数 0
回答已采纳
1回答
我使用的是tensorflow的最新版本( 1.13 )。我正在使用Keras来训练LSTM网络。
我不能不跟tf.keras.metrics.Precision()和tf.keras.metrics.Recall()一起训练
它正在编纂。但在训练期间，我会犯以下错误
InvalidArgumentError:断言失败:预测必须是>= 0 [[2.72658144e-06 1.17555362e-06 1.96436554e-06.].{节点metrics_3/precision_1/assert_greater_equal/Assert/AssertGuard/Assert}}]
浏览 1提问于2019-03-01得票数 1
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。现在，我想像上面的例子一样创建一个LSTM模型并使用它，但是我得到了以下错误：
Using TensorFlow backend.
(100000, 1, 768)
(100000, 1, 768)
(100000,)
(100000, 100)
Traceback (most recent call last):
File "train_model_manhattan.py", line 151, in <mod
浏览 4提问于2019-04-10得票数 0
回答已采纳
1回答
我正在尝试将我的顺序Keras网络移植到PyTorch。但我在LSTM单位遇到麻烦了
LSTM(512,
stateful = False,
return_sequences = True,
dropout = 0.5),
LSTM(512,
stateful = False,
return_sequences = True,
dropout = 0.5),
我应该如何用PyTorch来表述这个问题呢？尤其是辍学在PyTorch中的工作方式与在Keras中的工作方式非常不同。
浏览 2提问于2020-06-09得票数 1
因此，我用以下代码构建了神经网络：
import tensorflow as tf
tf_model = tf.keras.Sequential()
tf_model.add(tf.keras.layers.LSTM(50, activation='relu'))
tf_model.add(tf.keras.layers.Dense(20, activation='relu'))
tf_model.add(tf.keras.layers.Dense(10, activation='relu'))
tf_model.add(tf.keras.la
浏览 2提问于2020-05-02得票数 2
回答已采纳
我想用角码建立一个序列对序列的自动编码器。目的是为了"doc2vec“。
在keras的文档中，我找到了一个例子：
from keras.layers import Input, LSTM, RepeatVector
from keras.models import Model
inputs = Input(shape=(timesteps, input_dim))
encoded = LSTM(latent_dim)(inputs)
decoded = RepeatVector(timesteps)(encoded)
decoded = LSTM(input_dim, retur
浏览 1提问于2018-08-09得票数 4
回答已采纳
与独立的keras模型相比，使用tf.keras.estimator.model_to_estimator有什么好处？例如，当我们想要实时服务模型的时候？
让我们举个例子。我有一个Keras，它是一个stateful模型。这意味着，当实时数据进入预测时，我需要执行以下步骤：
重置模型状态
为该用户设置上一次预测的状态(如果这是旧用户)
运行predict(x=x)并保存输出的状态，以便对此用户进行未来预测。
在Keras中，我使用以下步骤执行以下步骤：
old_states = [state_h, state_c]
lstm_layer = model.get_layer(
浏览 1提问于2019-01-11得票数 3
回答已采纳
我希望将分层的多尺度LSTM实现为Keras层。
它发布了，并在tensorflow 中实现。
我的理解是，有一种方法可以将这样一个tensorflow对象封装在Keras中作为一个层。我不知道这有多复杂，但我认为这是可行的。你能帮我怎么做吗？
浏览 3提问于2018-01-01得票数 2
回答已采纳
2回答
我是一个Java开发人员，对Python和Keras还很陌生。我有一个使用此代码的工作示例：
encoder_lstm = LSTM(self.latent_dim, return_state=True)
encoder_outputs, state_h, state_c = encoder_lstm(encoder_inputs)
因此，我理解我正在创建类LSTM的对象的第一行，但是随后我传递了一个ndarray (或类似的)到这个对象，但没有指定要调用的任何函数。
我怎么知道这里调用的是什么函数？我猜我需要看看def call，但是call是Python或Keras的“默认”函数吗？
浏览 4提问于2018-12-25得票数 1
回答已采纳
我有一个文本分类问题，我使用LSTM层来获取上下文向量，使用Keras。
我使用tokenizer和填充序列，所以我的X_train有形状(21226, 1500)，其中1500是最大序列长度。
如何将此序列直接传递给64个单元的LSTM？我试图直接做，但似乎有一个问题的维度。
输入0与层lstm_26不兼容:预期的ndim=3，找到ndim=2
以下是Keras中的代码：
input = Input(shape=(1500,))
lstm1 = LSTM(units=64, dropout=0.2, recurrent_dropout=0.2)
out = lstm1(input)
浏览 3提问于2018-10-05得票数 1
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
实时音视频活动推荐
腾讯云开发者
