我试图合并CNN和LSTM进行文本分类，但得到了TimeDistribution层的尺寸错误。我的训练数据的输入形状是<code>D0</code>，测试数据的输入形状是<code>D1</code>。代码正在通过ValueError：<code>D2</code>层应该传递一个至少具有3个维度的<code>D3<&
浏览 47提问于2020-11-15得票数 0
我想用Keras来建立一个CNN-LSTM网络.但是，我很难为第一个层的input_shape参数找到正确的形状。我的train_data是形状为(1433, 32, 32)的ndarray；尺寸为32x32的1433张图片。正如在中所发现的，我尝试使用input_shape=train_data.shape[1:]，这会导致与input_shape=train_data.shape相同的错误
I
浏览 1提问于2018-03-28得票数 3
回答已采纳
我在Keras文档和其他网站上读到了它们，但是我无法确切地理解它们到底是做什么的，我们应该如何使用它们来设计many-to-many或encoder-decoder LSTM网络？我看到他们在这个问题在这里的解决方案中使用。model.add(RepeatVector(10)) model.add(LSTM(output_dim=hidden_neurons，return_sequences=True)) model.add(TimeDistributed
浏览 0提问于2019-03-01得票数 20
回答已采纳
2回答
我正试图建立一个计算机视觉问题的CNN+RNN模型。下面是我的代码 model = Sequential()
model.add(Conv2D(32, (3, 3), strides=(2, 2), activation="relu",kernel_initializer='truncated_normal',bias_initializer='truncated_normal', input_shapemodel.
浏览 0提问于2018-08-22得票数 0
回答已采纳
1回答
, 3), strides=(2,2), activation='relu' ), input_shape=input_shape) )那么，这在Keras有可能吗？如果是这样的话，是怎么做的？编辑以添加正在运行<e
浏览 1提问于2017-09-28得票数 0
回答已采纳
1回答
TimeDistributed层
、、、、
基本上，对于长度为3878和8个特性的每一步，我都有一个4的目标。现在，我不知道如何用“时态结构”来训练这些数据。有人告诉我要使用TimeDistributed层，但我对形状有问题。我如何在这上面使用TimeDistributed？import kerasfrom tensorflow.keras.layers import Dense, TimeDistributed
浏览 0提问于2020-12-13得票数 1
回答已采纳
2回答
time series input/output datamodel.add(LSTM(units=256, return_sequences=True, input_shape如果我正确理解了，通过具有多个特性，我需要使用Conv2D，而不是Conv1D，但是如果我设置了Conv2D(padding='causal')，我会得到以下错误- Invalid padding: causal)
无论如何，我还能够用一个新的形状(number of examples, lo
浏览 4提问于2019-04-25得票数 6
回答已采纳
2回答
input_shape=())) 我应该先指定一个密集的层吗？这是我的密码model.add(TimeDistributed(Conv2D(64, (3, 3), activation='relu', padding='same'),
input_shape</em
浏览 0提问于2019-03-23得票数 1
回答已采纳
1回答
因此，我重新塑造了输出，它是(None，32，79*63)，也是LSTM层的正确维度数(尽管我认为这是幕后处理的.)。因为我的训练数据中的每一个元素每个样本只有一个时间点，所以我没有在卷积层上使用TimeDistributed (经过大量的研究，这似乎是解决方案)。但是，我相信对于输出层来说，所有的样本都聚集在一起，所以有样本的时间点和使用TimeDistributed</
浏览 2提问于2020-09-21得票数 0
回答已采纳
是经历相同转换$f$的输入向量。$f$本身就是一个必须学习其参数的层。序列长度$n$在实例之间是可变的。What输入是否应该类似于？我在考虑一个带有形状的2D张量(number_of_x_inputs，x_dimension)，其中x_dimension是单个向量$x$的长度。这样的二维张量能有可变的形状吗？我知道张量可以有可变形状的批处理，但我不知道这是否对我有帮助。
在将每个输入向量输入到RNN
浏览 0提问于2018-02-15得票数 4
回答已采纳
我制作了一个ConvLSTM层，但由于尺寸问题，它无法工作。INPUT_SHAPE = (None, IMAGE_HEIGHT, IMAGE_WIDTH, IMAGE_CHANNELS)model = Sequential()
____________________________
浏览 2提问于2019-11-18得票数 0
回答已采纳
在我最初的设置中，我得到了y1 = (1200,10)model = Sequential()model.add(LSTM(12, return_sequences=True))model.add((Dense(10)))
现在，我进一步得到了另一个大小与
浏览 2提问于2019-05-22得票数 11
我的输入状态为shape = (84,84,4)所以我想把这个传递给一些TimeDistributed层，时间步长为我的下一层是这样的：
conv1 = TimeDistributed(Convolution2D(16, 8, 8, subsample=(4, 4), border_mode='valid',activation=
浏览 2提问于2016-10-20得票数 3
2回答
在我的模型中Ytrain shape : (62, 1, 100)Ytest shape: (16, 1, 100)model = Sequential()
model.add(LSTM(units=100, return_sequences= True, input_shapewhen checking target: expected dense_1 to have 2 dimensions, b
浏览 5提问于2019-09-24得票数 2
2回答
倍增层应将常量值的张量相乘。我写了下面的代码，这些代码不需要多重层。有谁知道如何调整并使其正常工作吗？1,2,3,4,5,6,7,8,9,10]]])p = autoencoder.predict(x=X, batch_size=1)我收到以下错误inputs, decoded)
TypeError: __init__() missing 1 required positional argument: 'output_dim&#
浏览 0提问于2018-11-03得票数 0
3回答
Keras序列模型的可变输入形状
、、、、
具体来说，第一个维度需要是可变的。阅读上的Keras，我看到您可以在input_shape元组中使用None条目，其中None表示可能需要任何正整数。对于现有的模型，如果我将input_shape从(2,4)更改为(None,4)，则会收到以下错误：TypeError: an我读过Flatten()<
浏览 3提问于2017-07-19得票数 4
我试着训练这个卷积神经网络，但不知道我的最后一层有什么问题。_38 (Dense) (None, None, 32) 1632 dense_39 (Dense) (None, None, 1) 33 Non-trai
浏览 0提问于2017-09-08得票数 1
回答已采纳
摘要ValueError: Error when checking : expected lstm_13_input to have shape (None, 40, 39) but got, 40, 39) but got array with shape (1, 39, 39)我曾经玩过由它产生的seed_string 和 x 的维度</
浏览 0提问于2017-07-29得票数 1
1回答
我已经对我的序列进行了一次热编码，总共有12个特征。输入为11步，输出为23步。首先，我编写了这个LSTM实现，它使用第一个LSTM作为编码器，第二个作为解码器。model = Sequential()model.add(RepeatVector(23))model.add(TimeDistributed(Dense(12, activation='softm
浏览 28提问于2021-04-02得票数 1
回答已采纳
input: expected lstm_40_input to have shape (1, 10000) but got array with shape (10000, 1)ValueError: Error when checking target: expected dense_39 to have shapenp.reshape(x, (33, 10000, 1))
regressor.
浏览 0提问于2019-07-09得票数 0
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
