因此，我正在编写一个LSTM模型来查找序列中的下一个数字。但是当我拟合模型时，我得到了这个错误，import tensorflow as tffrom tensorflo
浏览 3提问于2020-05-29得票数 0
回答已采纳
1回答
我正在尝试使用Keras训练一个单步LSTM模型。但是，当我调用predict函数时，我得到了以下错误：我的输入形状是(250，7，3)
以下是该模型的<
浏览 24提问于2019-10-21得票数 1
1回答
我将LSTM结果与Keras/Tensorflow计算和Numpy计算进行了比较。然而，结果略有不同：Keras: [[ 0.16836338 -0.04930305 0.25080156 0.08938988 0.3537751 ]]
Keras的LSTM实现不使用tf.contrib.rnn，但Keras</em
浏览 0提问于2018-04-10得票数 2
回答已采纳
1回答
我训练了一个宽度为384的双向LSTM，它使用Tensorflow/Keras输入维度(None，4995，12)。我一直试图了解我的输入维是如何在LSTM单元输入中映射到x_t的，因为当我检查LSTM的内部权重时，我注意到我的权重是维度(384,12)。Tensorflow/Keras是否自动将输入数组划分为384大小的分区？我假设它不会对我的</em
浏览 0提问于2021-06-15得票数 1
回答已采纳
2回答
我正在尝试使用Keras实现一个seq2seq编码器-解码器，在编码器上使用双向lstm，如下所示：from keras.models import Model
n_input = 1encoder_inputs= LSTM(n_units*2, return_sequences=True
浏览 0提问于2018-06-12得票数 3
tf.float32, [None, N_CLASSES])
我的代码是：from keras.models import Sequentialfrom keras.layersimport Flatten
from kera
浏览 3提问于2020-11-13得票数 0
在LSTM之后，我试图使用keras构建一个定制的注意块，但得到了一个错误。如果没有注意块，代码就可以运行。输入代码如下，我省略了一些不相关的部分。(shape=(None, 1))
Dropout_1 = layers.Dropout(0.2)(LSTM_1)
LSTM_2
浏览 3提问于2021-11-13得票数 1
这是我的注意层代码：**class Attention(nn.Module): lstm_out1, _ = self.lstm1(embeds) final_out =
浏览 5提问于2022-06-02得票数 0
我正在使用的代码学习Keras中的机器翻译。本文的代码在GPU和CPU上工作得很好。from keras.models import
浏览 0提问于2019-02-10得票数 2
因此，我试图在Keras (tf)中实现“对传入数据的双线性转换”(来自py手电筒)。转换在torch.nn.Bilinear中定义为我在Keras中构建了自定义层，在方法调用()中将返回转换后的数据(稍后我希望将此层用作模型的一部分)。self.b (72，10，6) x_1= TensorShape(72，10，6)x_2= TensorShape(72，10，6)self.w .w= TensorShap
浏览 5提问于2021-09-27得票数 0
回答已采纳
我正在运行Keras的LSTM (而不是CuDNNLSTM)，但我注意到我的GPU正在加载。我需要反复辍学，所以我只能坚持LSTM。“正常”LSTM是由GPU辅助的吗？如果是这样的话，LSTM和CuDNNLSTM有何不同？我认为CuDNNLSTM使用CUDNN (而LSTM不使用？)
类似地，正常的LSTM应该在GPU或CPU上运行得更快吗？
浏览 0提问于2019-01-27得票数 4
1回答
我正在努力定制一个图层来使用我的模型。inputs = tf.keras.layers.Input(shape=(784,),dtype='float32') model.compile=============================
浏览 1提问于2022-10-09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_fwd = rnn
浏览 7提问于2017-09-27得票数 3
1回答
Keras消息
、、、、
我尝试过做类似的教程；太阳黑子预测教程、污染多元教程等等，但我仍然不了解input_shape参数是如何工作的，也不知道如何组织我的数据以使它被keras所接受。我的数据集是一个单一的时间序列，描述了我们每个月销售的产品数量。我用了107个月的时间序列，把它转换成一个30行77列的数据集。我创建了一个训练集和测试集。Keras v#：1.2.0使用TensorF
浏览 1提问于2019-02-14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
浏览 26提问于2021-05-20得票数 1
回答已采纳
我有以下的层序。在混合中添加额外的LSTM会产生以下错误，我无法真正理解。tf.keras.layers.LSTM(64), tf.keras.layers.Dropout(0.25), tf.keras.layers.LSTM</em
浏览 5提问于2019-10-26得票数 1
回答已采纳
1回答
我正在做一个简单的二进制分类模型，它需要30个时间戳和5个特征，并且应该返回某个类别的概率 我遇到了模型的损失不会随着时代的推移而减少的问题。模型代码如下： print(train['inputs'].shape) #(3511,30,5) tf.keras.
浏览 10提问于2021-01-28得票数 0
回答已采纳
我目前正在尝试将使用Tensorflow (v2.7.0)和Keras训练的保存模型转换为Tensorflow Lite模型。该模型的结构如下：model_lstm.add(Masking(mask_value=max_int, input_shape=(15, 4)))relu"))
model_lstm.add(TimeDistributed(Dense(4, activation = "softmax&quo
浏览 30提问于2021-12-22得票数 0
1回答
我正在构建一个LSTM时间序列预测模型(在TF v=1.13.1中，Keras v=2.2.4中)，该模型将间歇性振荡的时域信号作为输入。我几乎读过Daniel Möller在Keras/TF中关于LSTM主题的所有Stackoverflow帖子。我还为我的模型试验了不同数量的时间步长、有状态LSTM和无状态LSTM、不同</e
浏览 2提问于2019-05-07得票数 1
1回答
我试图在不使用Keras的情况下构建tensorflow LSTM网络。模型非常简单：损失函数是序列损失。(config.hidden_size)
output, _ = tf.keras.layers.RNN(lstm_cell, inputs, dtype=tf.float32, unroll=True(o, proj_U) + proj_b for o in outp
浏览 0提问于2020-02-07得票数 0
回答已采纳
云服务器
ICP备案
云直播
即时通信 IM
实时音视频
腾讯云开发者
