Tensorflow :如果一个LSTM被“重用”于新的输入，它的隐藏状态会被重置吗？在一次向前传球中
，LSTM的隐藏状态会被保留并传递到下一个时间步。LSTM（长短期记忆网络）是一种循环神经网络（RNN）的变体，用于处理序列数据。它具有记忆单元和门控机制，可以有效地捕捉长期依赖关系。
当一个LSTM被“重用”于新的输入时，它的隐藏状态会被保留并传递到下一个时间步。这意味着之前的输入对当前的预测结果有影响。LSTM的隐藏状态包含了过去时间步的信息，可以帮助模型记住之前的上下文。
在一次向前传播中，LSTM的隐藏状态会根据当前的输入和之前的隐藏状态进行更新。它通过门控机制来控制信息的流动，包括遗忘门、输入门和输出门。这些门控制着信息的保留和遗忘，以及新信息的输入和输出。
TensorFlow是一个开源的机器学习框架，提供了丰富的工具和库来构建和训练深度学习模型，包括LSTM。如果你想在TensorFlow中使用LSTM，可以使用tf.keras.layers.LSTM类来创建LSTM层。你可以通过设置return_state参数为True来获取隐藏状态。
腾讯云提供了一系列与人工智能和深度学习相关的产品和服务，包括AI引擎、AI推理、AI训练、AI开发平台等。你可以通过腾讯云的AI引擎产品来构建和部署LSTM模型，并使用腾讯云的AI推理服务来进行推理和预测。
更多关于腾讯云人工智能产品的信息，你可以访问腾讯云官方网站的人工智能产品页面：https://cloud.tencent.com/product/ai
相关·内容
问:我有一个LSTM单元格，变量作用域名为'rnn‘，并将其赋值为' scope’。如果我在图中使用scope.reuse_variables()，我知道权重被重用于新的输入X…
但是如果权重被重用，LSTM隐藏状态会自动重置吗？或者我必须在每次调用scope.reuse_
浏览 18提问于2017-07-06得票数 2
2回答
我正在尝试理解和实现LSTM。我知道他们需要定义一个序列长度T，并且训练是分批进行的。所以我们向网络提供了几个长度为T的序列。现在LSTM需要一个先前的状态作为输入，据我所知，它被初始化为零。我的问题是，在每个序列之后，状态会重置为零吗？例如，我有一个序列1，状态向量在这个序列中向前<
浏览 1提问于2017-01-23得票数 0
我正在训练一个RNN，它使用一个由不同来源组成的大型数据集。我不希望这一套的历史蔓延到下一部。这意味着，在发送下一组之前，我希望在一组结束时重置隐藏状态。我怎么才能和Keras一起这么做呢？我试图做的是在每次输入新的数据集时重置lstm隐藏状态，因此不会从p
浏览 1提问于2017-03-04得票数 3
1回答
长时间LSTM预测
、、、
我正在使用一个LSTM，以5个序列作为输入来预测另一个5个，我想知道如何预测超过5个时间步骤。我想这和hidden_dim有关，但我想不出来。这是我的密码 def __init__(self, seq_len=5, n_features=256, n_hidden=256, n_layers= seq_len self.n_layers = n_laye
浏览 3提问于2020-11-11得票数 0
回答已采纳
我试图将一个LSTM层的输出输入到另一个LSTM层，以及该层的文本。提供给两个LSTM的文本是不同的，我的目标是第二个LSTM在第一个LSTM理解的基础上提高对其文本的理解。我可以尝试在Tensorflow中这样实现它：
浏览 0提问于2018-02-02得票数 0
回答已采纳
为什么RNNs/LSTM/GRUs的隐藏状态通常只在一个时代结束后才重新初始化，而不是在批处理完成后重新初始化？
浏览 0提问于2023-01-25得票数 0
回答已采纳
我正在尝试做非常简单的学习，以便我能够更好地理解PyTorch和LSTM的工作原理。为此，我试图学习一个从输入张量到输出张量(相同形状)的映射，这个映射值是值的两倍。因此，[1 2 3]作为输入应该学习[2 4 6]作为输出。5) * 2我的LS
浏览 3提问于2020-02-12得票数 4
回答已采纳
给定一个经过训练的LSTM模型，我想对单个时间步执行推断，即下面示例中的seq_length = 1。在每个timestep之后，需要为下一个“批处理”记住内部LSTM (内存和隐藏)状态。在推理的最开始，根据给定的输入计算内部LSTM状态init_c, init_h。然后将它们存储在
浏览 49提问于2016-07-07得票数 29
回答已采纳
1回答
现在我的问题是，在给定的时代，对于一个给定的步骤，LSTM是否还记得它所看到的前一个窗口，还是在看到每个窗口之后LSTM的内存重置？如果它记得以前的窗口，那么内存是否只在一个时代结束时重置？我曾见过类似的问题，如或，但我要么不太明白这个解释，要么我不确定是否解释了我想要的东西。我正在寻找更多关
浏览 9提问于2022-05-19得票数 0
回答已采纳
我正在使用(监督) tensorflow深度学习来分析时间序列数据集.tensorflow代码给出了一系列的输入，并根据每个输入，神经网络必须在不久的将来预测输出值。对于训练来说，过去有很多预先标注的输入/输出。每个输入是每个时间步骤的状态数组，每个输入都被标记为一个结果值。到目前为止，这种任务在深度学习中很常见，我使
浏览 0提问于2018-04-28得票数 3
回答已采纳
1回答
新的神经网络，所以请纠正我的语法。
我试图创建一个LSTM来预测斐波纳契序列。当我运行下面的代码时，损失仍然非常高(围绕35339663592701874176)。为什么输入的形状必须是(batch_size, timesteps, input_dim)？在我的例子中，我有100数据条目，这就是我的batch_size，而斐波纳契序列接受2输入，所以这就是input_dim，但是在
浏览 0提问于2020-12-18得票数 1
回答已采纳
5回答
我读过各种各样的关于它的文章，似乎没有人回答这个非常基本的问题。它总是模棱两可：
model.fit
浏览 4提问于2017-05-10得票数 54
回答已采纳
1回答
目前，我正试图理解TensorFlow中的LSTM的BPTT。我得到参数"num_steps“用于RNN展开和错误反向传播的范围。我有一个一般性的问题，这是如何运作的。问题：，哪些路径被反向传播了那么多步骤？恒等误差旋转木马由公式5创建，反传播(s(t)->s(t-1))的导数对于所有时间步骤都是1。这就是为什么LSTM捕
浏览 4提问于2016-11-29得票数 1
3回答
如何将输入维度转换为Keras中LSTM层的输出维度？通过阅读Colah的，似乎"timesteps" (AKA，input_dim或input_shape中的第一个值)的数量应该等于神经元的数量，而神经元的数量应该等于这个units层的输出数( LSTM通过阅读，我了解输入的形状。令我困惑的</em
浏览 0提问于2018-04-18得票数 6
回答已采纳
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。第二组(蓝色)是一对多的LSTM，与第一组LSTM具有不同的权重。
浏览 10提问于2017-09-22得票数 7
回答已采纳
在MNIST示例中，我不明白“隐藏层”是什么意思。这是假想层形成的，当你表示一个展开的RNN随着时间的推移？
为什么num_units = 128在大多数情况下都是？
浏览 18提问于2016-06-18得票数 58
回答已采纳
我正在尝试用LSTM作为第一个隐藏层和Keras库(tensorflow后端)来构建一个神经网络。我很难理解如何重塑我的数据，并使用batch_input_size参数将其提供给有状态的LSTM。我的输入是一个100秒的时间序列采样在10千赫。基本上，我有100*10000种不同的时间值。我有3个不同的可观测值
浏览 0提问于2018-12-07得票数 0
我有一个有状态的RNN模型，有几个GRU层是在Keras中创建的。
现在我必须从Java运行这个模型，所以我将模型作为protobuf，并从加载它。这个模型必须是有状态的，因为功能将在一个时间内提供一个时间步骤.据我所知，为了在TensorFlow模型中实现状态，每次执行会话运行程序时，我都必须以某种方式在最后
浏览 3提问于2017-12-14得票数 1
回答已采纳
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、批处理中的时间步骤和时间步骤<
浏览 8提问于2020-12-29得票数 0
回答已采纳
4回答
理解多层LSTM
、、
我正在努力理解和实现多层LSTM。问题是我不知道他们是怎么联系的。我有两个想法：
在每个时间步骤中，第一LSTM的隐藏状态H将成为第二LSTM的输入。在每个时间步骤中，第一LSTM的隐藏状态H将成为传感器LSTM的隐藏状态</e
浏览 8提问于2017-11-24得票数 3
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
