Результаты поиска по запросу "lstm"
находить? Отличается ли состояние состояния в Keras от того, которое используется в RNN (LSTM). Пожалуйста, дайте некоторую ссылку, чтобы узнать об отношениях, которые обсуждала Энди.
с размерамиX(m выборок, n последовательностей и k признаков), а также этикетки с размерамиy(м образцов, 0/1)Предположим, что я хочу обучить LSTM с отслеживанием состояния (в соответствии с определением keras, где «stateful = True» означает, что ...
набор данных и каждая метка имеют разную длину, но одинаковый ранг.
ренировкиМодель LSTMвTensorflowЯ структурировал свои данные в tf.train.SequenceExampleотформатировать и сохранить его вФайл TFRecord, Теперь я хотел бы использовать новый API DataSet длягенерировать мягкие партии для обучения, Вдокументация ...
Как я уже сказал, ваша кривая - кривая переоснащения. Вам нужно сделать меньшую модель. Модель менее способна. К сожалению, нет точного ответа на лучший размер. Вы должны проверить, пока ваша кривая не начнет вести себя по-другому. Ваша модель в настоящее время запоминает результаты обучения (потому что ваша модель слишком хороша). Он ничего не узнает о тестовых данных.
я есть архитектура модели CNN-RNN с двунаправленной LSTMS для задачи регрессии временных рядов. Моя потеря не сходится за 50 эпох. Каждая эпоха имеет 20 тыс. Образцов. Потеря продолжает подпрыгивать между0,001 - 0,01. batch_size=1 epochs = 50 ...
Все зависит от того, что вы хотите сделать. Представьте себе случай, когда вы пытаетесь судить о том, что будет чувствовать человек на протяжении всего фильма. Каждый кадр фильма представляет собой шаг по времени, и вы хотите классифицировать все этапы, чтобы эволюция чувств человека была нарушена. Но вы никогда не сможете угадать чувство по одному кадру в отдельности. Это будет роль уровня LSTM, анализировать каждый временной шаг и отслеживать, что происходит.
нирую модель LSTM, используя в качестве входных данных последовательность из 50 шагов с 3 различными функциями, описанными ниже: #x_train [[[a0,b0,c0],.....[a49,b49,c49]], [a1,b1,c1]......[a50,b50,c50]], ...
), затем вы повторяете все последовательности.
аю LSTM-autoencoder в этом уроке: https://blog.keras.io/building-autoencoders-in-keras.html [https://blog.keras.io/building-autoencoders-in-keras.html]и вставьте соответствующую реализацию keras ниже: from keras.layers import Input, LSTM, ...
), поскольку я использовал схему декодирования кодирования, где вышеуказанным кодом был только кодер.
у знать, как использовать многослойный двунаправленный LSTM в Tensorflow. Я уже реализовал содержимое двунаправленного LSTM, но я хочу сравнить эту модель с добавленной моделью многослойности. Как мне добавить код в этой части? x = ...
CNTK - Прогноз временных рядов
аюсь сделать многошаговое прогнозирование временных рядов с использованием многомерного LSTM в Керасе. В частности, у меня есть две переменные (var1 и var2) для каждого временного шага изначально. Пройдя ...
Если вы определите пользовательские потери внутри функции модели, вы все равно сможете получить доступ к тензору маски. Так что этот ответ действителен.
аюсь реализовать задачу «последовательность в последовательность», используя LSTM от Keras с бэкэндом Tensorflow. Входные данные представляют собой английские предложения с переменной длиной. Чтобы создать набор данных с двумерной формой ...
У меня есть данные временного ряда: от t = 1 до 594, каждая точка данных имеет 14 признаков. Если я хочу построить трехслойный LSTM для прогнозирования, должен ли я установить для своих данных значение (Нет, 128, 14), ячейка LSTM будет (128)? Так что моя сеть LSTM имеет длину (128). И я могу использовать 1-й метод для укладки LSTM.
аюсь построить многомерную модель прогнозирования временных рядов. Я следовал следующему руководству по прогнозированию ...
Ой! Я вижу, позвольте мне попробовать и посмотреть, если это работает для меня!
е представляют собой 10 видео, каждое из которых разделено на 86 кадров, и каждый кадр имеет 28 * 28 пикселей, video_num = 10 frame_num = 86 pixel_num = 28*28Я хочу использовать Conv2D + LSDM для построения модели и при каждом шаге time_steps (= ...