Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
尝试在 Keras 中创建 BLSTM 网络时出现类型错误
我对 Keras 和深度学习有点陌生 我目前正在尝试复制这个paper https pdfs semanticscholar org 4afe f0c6039a5d8b647518b6fe05f47a8bd3aeee pdf但是当我编译第二
python3x
Keras
LSTM
recurrentneuralnetwork
keraslayer
每次运行神经网络代码时结果都会改变
我通过运行此链接中提供的代码得到了结果神经网络 预测多个变量的值 https stackoverflow com questions 58071836 neural network predicting values of multiple
在 Keras 中使用有状态 LSTM 训练多变量多级数回归问题
我有时间序列P过程 每个过程的长度各不相同 但都有 5 个变量 维度 我试图预测测试过程的估计寿命 我正在用有状态的方法来解决这个问题LSTM在喀拉斯 但我不确定我的训练过程是否正确 我将每个序列分成长度的批次30 所以每个序列都是这样的形
python
machinelearning
Keras
LSTM
recurrentneuralnetwork
使用 LSTM 进行时间序列模式识别(python)
我的应用场景和上一个类似时间序列中的模式识别 https stackoverflow com questions 11752727 pattern recognition in time series By processing a tim
PyTorch LSTM 中的“隐藏”和“输出”有什么区别?
我无法理解 PyTorch 的 LSTM 模块 以及类似的 RNN 和 GRU 的文档 关于输出 它说 输出 输出 h n c n 输出 seq len batch hidden size num directions 包含RNN最后一层的
deeplearning
Pytorch
LSTM
recurrentneuralnetwork
tensor
Caffe 的 LSTM 模块
有谁知道 Caffe 是否有一个不错的 LSTM 模块 我从 russel91 的 github 帐户中找到了一个 但显然包含示例和解释的网页消失了 以前是http apollo deepmatter io http apollo deep
neuralnetwork
deeplearning
caffe
LSTM
recurrentneuralnetwork
如何组织循环神经网络?
我想模拟以下内容 y t F x t 1 x t 2 x t k 或者说一个函数 其当前输出取决于最后 k 个输入 1 我知道一种方法是使用一个经典的神经网络 其中 k 个输入为 x t 1 x t 2 x t k 对于每个y t 并训练它
neuralnetwork
deeplearning
recurrentneuralnetwork
使用 Keras、Tensorflow 进行多时间序列维度的 RNN 时间序列预测
我正在尝试在某些时间序列集上运行 RNN LSTM 网络 值得一提的是 时间序列正在分类 我有大约 600 个不同的时间序列 每个序列都有 930 个带有特征的时间步长 我已将数据结构化为 numpy 3D 数组 其结构如下 X 666 o
python
NumPy
machinelearning
Keras
recurrentneuralnetwork
在 Tensorflow 中混合前馈层和循环层?
有人能够在 Tensorflow 中混合前馈层和循环层吗 例如 输入 gt 转换 gt GRU gt 线性 gt 输出 我可以想象一个人可以用前馈层定义自己的单元 并且没有状态 然后可以使用 MultiRNNCell 函数进行堆叠 如下所示
python
tensorflow
recurrentneuralnetwork
gatedrecurrentunit
InvalidArgumentError:ConcatOp:输入的维度应该匹配
Tensorflow 1 7使用dynamic rnn时 一开始运行良好 但在第32步 当我运行代码时它发生变化 时 出现错误 当我使用较小的批次时 代码似乎可以运行更长时间 但是错误仍然弹出 只是无法弄清楚出了什么问题 from mapp
tensorflow
recurrentneuralnetwork
尝试理解 Pytorch 的 LSTM 实现
我有一个包含 1000 个示例的数据集 其中每个示例都有5特征 a b c d e 我想喂7LSTM 的示例 以便它预测第 8 天的特征 a 阅读 nn LSTM 的 Pytorchs 文档 我得出以下结论 input size 5 hid
machinelearning
deeplearning
LSTM
Pytorch
recurrentneuralnetwork
将有状态 LSTM 称为功能模型?
我有一个状态 LSTM 定义为顺序模型 model Sequential model add LSTM stateful True 后来 我将其用作功能模型 input 1 input 2 Input Input output 1 mode
python
machinelearning
neuralnetwork
Keras
recurrentneuralnetwork
如何使用 tf2 为 seq2seq 构建自定义双向编码器?
class Encoder tf keras Model def init self vocab size embedding dim enc units batch sz super Encoder self init self batc
recurrentneuralnetwork
tensorflow20
Encoder
Seq2Seq
Tensorflow动态RNN(LSTM):如何格式化输入?
我已获得这种格式的一些数据以及以下详细信息 person1 day1 feature1 feature2 featureN label person1 day2 feature1 feature2 featureN label person
python
tensorflow
LSTM
recurrentneuralnetwork
TFLearn
Tensorflow中GRU单元的解释?
以下是 Tensorflow 的代码GRUCell单元显示了当先前的隐藏状态与序列中的当前输入一起提供时获得更新的隐藏状态的典型操作 def call self inputs state scope None Gated recurrent
neuralnetwork
tensorflow
recurrentneuralnetwork
gatedrecurrentunit
张量流中的批量归一化
我注意到张量流的 api 中已经有批量归一化函数 但我不明白的一件事是如何更改训练和测试之间的程序 批量归一化在测试期间的行为与训练期间的行为不同 具体来说 在训练期间使用固定的均值和方差 某处有一些好的示例代码吗 我看到了一些 但是对于作
tensorflow
recurrentneuralnetwork
.fit() 层的 shuffle = 'batch' 参数如何在后台工作?
当我使用以下方法训练模型时 fit 层的参数 shuffle 预设为 True 假设我的数据集有 100 个样本 批量大小为 10 当我设置shuffle True然后 keras 首先随机选择样本 现在 100 个样本具有不同的顺序 根据
Keras
shuffle
LSTM
recurrentneuralnetwork
如何在keras中编写序列来对RNN进行排序?
我正在尝试编写一个序列来在 keras 中对 RNN 进行排序 我使用我从网络上了解到的内容编写了这个程序 我首先对文本进行标记 然后将文本转换为序列并填充以形成特征变量X 目标变量Y获得了第一次转移x向左然后填充它 最后 我将特征和目标变
python
neuralnetwork
Keras
recurrentneuralnetwork
sequencetosequence
Tensorflow:如何使用dynamic_rnn从LSTMCell获取中间细胞状态(c)?
默认情况下 函数dynamic rnn仅输出隐藏状态 称为m 对于每个时间点可以通过如下方式获得 cell tf contrib rnn LSTMCell 100 rnn outputs tf nn dynamic rnn cell inp
python
machinelearning
tensorflow
LSTM
recurrentneuralnetwork
Tensorflow将LSTM的最终状态保存在dynamic_rnn中用于预测
我想保存 LSTM 的最终状态 以便在恢复模型时将其包含在内并可用于预测 如下所述 当我使用时 保护程序仅了解最终状态tf assign 但是 这会引发错误 也将在下面解释 在训练期间 我总是将最终的 LSTM 状态反馈回网络 如中所述这个
python
machinelearning
tensorflow
LSTM
recurrentneuralnetwork
1
2
3
4
»