1回答
GRU模型不学习
、、、、
我正在尝试在文本数据上拟合GRU模型，以预测26个标签中的一个。问题是模型并不是真正的学习(准确率在4%左右，这是随机的机会)。因为我知道这个问题是“可学习的”，所以我怀疑我的代码中有一个bug，但我不知道它是什么。 我的数据由每个标签(标记化和单词编码) 100K个句子组成(每个句子映射到26个标签中的一个)。GRU, self).= nn.GRU(embedding_dim, self.hidden_size, self.num_layers, batch_first=self.有没有人能发现代码中的
浏览 20提问于2021-08-27得票数 0
我为Torch7 GRU单元成功地完成了这一任务，并且成功地解决了特定的序列建模问题。我怀疑在Tensorflow中实现这一点并不简单，但也许我错了。
浏览 0提问于2019-02-04得票数 3
回答已采纳
我对如何在TensorFlow中重构以下Pytorch代码感到困惑。它同时使用输入大小x和隐藏大小h来创建GRU层 import torchtf.keras.layers.GRU(64, return_state=True) 然而，我意识到它并没有真正考虑到h或隐藏的大小
浏览 10提问于2020-10-17得票数 4
1回答
我正在尝试将以下GRU层从PyTorch(1.9.1)转换为TensorFlow(2.6.0)： # GRU layermodel.add(Bidirectional(GRU(32, return_sequences=True, dropout=0.25, time_major=False)))
model.add(Bidirectional(<e
浏览 106提问于2021-10-21得票数 0
pytorch中的GRU层接受一个名为num_layers的参数，您可以在其中堆叠RNN。然而，还不清楚后续的RNN如何确切地使用前一层的输出。递归层数。例如，设置num_layers=2将意味着将两个GRU堆叠在一起以形成堆叠的GRU，第二个GRU接收第一个GRU的输出并计算最终结果。这是否意味着GRU第一层的最后一个单元的输出将作为输入输入到下一层？或者这是否意味着每个单元的输出(在每个时间步)作为输入输入到下一层的相同时间步的单元？
浏览 6提问于2021-09-23得票数 2
我正在使用gru函数来实现RNN。这个RNN (GRU)在一些CNN层之后使用。有人能告诉我这里GRU函数的输入是什么吗？特别是，隐藏的大小是固定的吗？self.gru = torch.nn.GRU( hidden_size=128,num_layers=1, bidirectional=True)
根据我的理解，输入大小将是特
浏览 96提问于2019-11-28得票数 2
回答已采纳
我有一个关于时间序列的下一步预测模型，它只是一个GRU，上面有一个完全连接的层。当我用CPU训练50次后，损失为0.10，而用GPU训练时，50次后损失为0.15。我有：PyTorch 0.3.0CUDNN_MINOR %0编辑：
我还使用PyTorch的重量归一化torch.nn.utils.weight_norm在GRU和完全连接的层上。
浏览 1提问于2018-01-25得票数 6
回答已采纳
我正在尝试将tensorflow 1中保存的模型转换为tensorflow 2，我正在将代码迁移到tensorflow 2，作为高。GRUCell有四个权重：
形状gru_cell/kernel
浏览 7提问于2020-11-16得票数 4
回答已采纳
以下是重现此问题的MWE (在PyTorch 1.6上)。)
return self.brnn(x)
gru2 = GRU2() loss_gru1.backward(retain_graph=True) gru1_out
浏览 45提问于2020-10-14得票数 3
回答已采纳
1回答
GRU如何输出以下值？
、、、
当我运行以下代码时 from tensorflow import keras x = np.ones((1,2,1))model.add(keras.layers.GRU(
units = 1, activation='tanh', recurrent_activation='sigmoid',
浏览 28提问于2021-02-28得票数 0
回答已采纳
1回答
在pytorch中，我训练RNN/GRU/LSTM网络，方法是启动反向传播(通过时间)：当序列很长时，我希望通过时间进行截断的反向传播，而不是使用整个序列的时间进行正常的反向传播但是，我在Pytorch中找不到任何参数或函数来设置截断的BPTT。我错过了吗？我应该自己在毕道尔编码吗？
浏览 3提问于2018-12-24得票数 6
1回答
用于可变尺寸输入的小型批量培训
、、、、
我是PyTorch和RNN的新手，所以我很困惑如何为我拥有的数据实现小型批量培训。有更多的这些数据，但我想保持简单，所以我只能理解如何实现小批量培训部分。我正在进行多类分类，基于LSTM/GRU在可变长度输入上训练的最终隐藏状态。我设法使它与批处理大小1(基本上是SGD)工作，但我正在努力实现小型批。DataLoader(inputs, batch_size=batch_size, shuffle=True) #do stuff using LSTM and/or GRU
浏览 3提问于2018-02-14得票数 7
回答已采纳
我不确定为什么会出现这个错误：Initialized GRU modelNamespace(aggregation='mean', attention_widthmodel_type='RNN', opt='Adam', pretra
浏览 3提问于2018-03-09得票数 0
我在使用pytorch实现GRU网络时遇到了一个问题： 我的代码如下： import torch
def __init__(self, device): self.h = torch.randn((1,1,5), device=device, dtype=torch.float)
self.GRU</em
浏览 129提问于2021-04-06得票数 0
torch.nn.Conv1d(196, 196, kernel_size=15, stride=4),)self.rec_layer = nn.Sequential( torch.nn.Linear对于这个例子
浏览 1提问于2018-06-12得票数 2
1回答
我想要建立一个序列到序列的模型，它需要一个2048年长的1s和0的向量(例如。1，0，1，0，0，0，1，0，0，1，...,1 )作为输入，并将其转换为已知的输出(可变长度) 1-20个长字符(例如。GBNMIRN、ILCEQZG或FPSRABBRF)。我看过一些github存储库，比如和。我正在使用python中的keras库。
浏览 3提问于2017-06-19得票数 3
回答已采纳
我正在考虑在浏览器(没有后端)中完全运行一个经过训练的PyTorch模型(包含LSTM/GRU层)，作为交互式博客文章的一部分。我研究过ONNX.js，它工作得很好，但不适用于包含GRU层的模型。
浏览 19提问于2020-02-21得票数 4
这个Udacity course notebook批处理数据的方式对我来说并不直观。 对于较长的数据序列，它们首先截断数据，以便可以用batch_size均匀划分数据。接下来，他们将数据.reshape()为(batch_size, -1)。然后，他们在这些批次的子序列上创建一个滑动窗口。当滑动窗口超出边界时，他们会在末尾添加假数据(通过回绕)。 这个提供的图表可能比我更好地解释： ? 我只是想知道这种做法是正常的，还是有不同的方法。这似乎很奇怪，批次是不连续的子序列。这不会使解释单个批处理的输出变得困难吗？ 有没有更好的方法？视频中的这位女士直截了当地说了一些感人的话：“我不知道为
浏览 21提问于2020-07-17得票数 0
在pytorch LSTM、RNN或GRU模型中，有一个名为"“的参数，它控制LSTM中隐藏层的数量。这是理解pytorch LSTM框架的有用链接。如果有人能回答这个问题，我将不胜感激。
浏览 6提问于2019-01-07得票数 1
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
