2回答
LSTM网络返回多个输出
、、、
我正在学习LSTM网络，我得到的输出是出乎意料的。我创建了一个LSTM，并向它提供了两个numpy数组：在使用模型预测输入后，我期望预测形状为(2158，1，1)，但它是(2158，2dimX1,dimX2,dimX3=x.shape new = keras.layers.LSTM(150,return_sequences=True)(inputs)
浏览 1提问于2021-06-05得票数 0
1回答
双数据源LSTM神经网络
、、、
我有以下配置:一个lstm网络，接收大小为2的n克文本。下面是一个简单的原理图：经过一些测试后，我注意到在某些类中，当我使用大小为3的ngram时，我的准确性有了很大提高。现在，我想训练一个同时具有两个ngram大小的新的LSTM神经网络，如下面的原理图：我如何提供数据并建立这个模型，使用keras来执行这个任务？
浏览 0提问于2018-10-27得票数 0
回答已采纳
1回答
理解叠层LSTM层
、、、
考虑以下RNN体系结构：regressor.add(LSTM(units = 50, return_sequences = True, input_shape= (X_train.shape[1], 1)))regressor.add(LSTM(units = 50, return_sequences= True))regressor.add(LSTM(units = 50,
浏览 4提问于2022-11-15得票数 0
回答已采纳
2回答
我正在通过练习时间序列训练数据来学习LSTM的工作原理(输入是一个特性列表，输出是一个标量)。在计算RNN/LSTM的损失时，我无法理解一个问题：
损失是如何计算的？
浏览 0提问于2018-03-27得票数 4
回答已采纳
1回答
我试图可视化一个神经网络的原理图，并找到了一个很好的工具，在这里建立原理图，http://alexlenail.me/NN-SVG/index.html。我编辑了SVG文件，将其中一个密集层转换为LSTM层，并将输入到时间序列中，而不是奇异神经元。它是一个带有hidden_size=8的奇异LSTM层，其输入&#x
浏览 0提问于2019-08-17得票数 2
我正在尝试建立一个光学字符识别系统，它可以使用LSTM单元识别手写句子。
因此，对于每个输入，您希望LSTM我遇到的问题是，我不知道如何将图像和前面的序列输入到LSTM单元中。我是否将我的图像(二维矩阵)划分成行/列向量，并将它们
浏览 0提问于2018-07-16得票数 0
回答已采纳
1回答
x_train，如下所示：模型：encoded = LSTMlinear')(encoded)
decoded = LSTM(1, return_sequences=True)(decoded)
decoded = LSTM
浏览 3提问于2018-06-15得票数 5
LANGUAGE MultiParamTypeClasses lstM:: a -> [a] -> r
listM a = lstM a []
lstM a as
浏览 2提问于2011-11-06得票数 5
回答已采纳
1回答
在Rev8中，rnn_cell.LSTMCell中的默认"state_is_tuple“标志设置为False，因此我使用列表初始化了LSTM，请参阅下面的代码。#model definition outputs, states = tf.nn.rnn(lstm_cell, data, initial_state=self.init_state)
#init_state place holder and feed_di
浏览 3提问于2016-12-28得票数 1
回答已采纳
但是，我还没有看到对单元格的递归权重(原始LSTM公式中使用的8个不同矩阵中的4个)执行相同操作的选项。在实现我自己的包装器之前，我只是想检查一下情况是否如此。
浏览 1提问于2017-09-15得票数 1
1回答
然而，当我尝试使用LSTM时，我发现一个错误：我的源和目标数据集由7200个例句组成。这是我的模型和相关代码：lstm_model.add(Embedding(src_vocab_size, 128, input_length=X.shape[1], input_shape=X.shape[1:]))
lstm_model.add(LSTM(1
浏览 1提问于2019-10-24得票数 0
回答已采纳
这是我现在所拥有的：pos = Input(shape=(None,1))
l2 =LSTM(40)(pos)output = Dense(1, activation='sigmoid')(out)
X1 shape: (3065,
浏览 1提问于2018-08-16得票数 0
1回答
我正在寻找一个在Tensorflow中使用LSTM单元的RNN的低级实现。我已经实现了几个前馈网络，其中我使用了低级API。这对我理解人工神经网络的内部工作原理有很大帮助。还是建议使用LSTM cell (tf.nn.rnn_cell.BasicLSTMCell)的Tensorflow实现？我在Tensorflow中没有发现任何RNN的低级实现。
浏览 2提问于2019-01-20得票数 5
我对tf.keras.layers.LSTM中的activation kwarg的理解与对任何其他层的理解是一样的(例如：Dense)。但下面的玩具示例将会失败。from tensorflow.keras import Sequentialfrom numpy.random importuniform
LSTM(5, activation='softmax')
浏览 7提问于2020-07-12得票数 0
回答已采纳
1回答
我使用LSTM和Keras构建了一个简单的时间序列预测模型，其工作原理如下:假设我有过去10个时间段的数据(标准化并准备进行训练)，该模型预测前两个时间段的值。1,2,3,4,5,6,7,8,9,10,2,3,4,5,6,7,8,9,10,11,3,4,5,6,7,8,9,10,11,12]]该模型由一个具有rnn_size个节点的LSTMmodel = Sequential()
batch_input_sh
浏览 2提问于2017-09-14得票数 1
1回答
我想在这里使用LSTM。由于LSTM网络的训练输入具有类似于[samples, time steps, features]的形状，因此不能对来自不同时间框架的数据进行拟合(这是可能的，但是将它们放在特征轴上可能不会有效)任何暗示和洞察力都受到高度赞赏。
浏览 0提问于2021-06-17得票数 1
我正在尝试使用LSTM层来训练一个模型。我正在使用GPU，并且加载了所有所需的库。当我用这种方式建立模型时：model = keras.Sequenti
浏览 4提问于2021-04-19得票数 3
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。5) * 2我的LSTM__init__()
self.lstm = nn.LSTM(input_size=input_size, hidde
浏览 3提问于2020-02-12得票数 4
回答已采纳
下面是我要做的代码： train_data = pd.read_csv("csv_files/stats.csv")model_2, rdd2 = train_LSTM_model(spark_context = sc, dataframe = train_data, column
浏览 29提问于2019-10-05得票数 0
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
