1回答
我是一个有状态的RNN与嵌入层，以执行二进制分类。我对函数API中需要的batch_size和batch_shape有一些混淆。h0 object has the same shape as RNN layer hidden states obtained when return_state = True.(xte_pad) >> (2400, 1403, 1) (2
浏览 11提问于2022-02-12得票数 1
回答已采纳
我正在试验tensorflow & keras中的递归神经网络层，并且我正在研究recurrent_initializer。我想知道更多关于它对层的影响，所以我创建了一个SimpleRnn层，如下所示： rnn_layer = keras.layers.SimpleRNN(1, return_sequences=True,inp[0][0][:i] = 5
print(f"
浏览 107提问于2020-08-28得票数 1
回答已采纳
我查看了LSTM层的Keras文档，关于RNN参数的信息如下：参数：这就是所有关于return_state for RNN的信息。但是当我做在线课程的
浏览 37提问于2018-03-06得票数 9
1回答
我一直在使用Keras框架的递归神经网络实现，在构建模型时我遇到了一些问题。Tensorflow 1.14.0
model = Sequential()
model.add(Embedding(input_dim=vocab_size, output_dim= EMBEDDING_DIM, input_length= W_SI
浏览 3提问于2019-11-25得票数 0
我实现了一个带有GRU层的模型，该模型和它的训练可以很好地工作 class MyModel(tf.keras.Model): return_state=True) return x, states
浏览 208提问于2021-09-22得票数 0
下面是tf.nn.rnn_cell.DropoutWrapper的使用方法，以GRUcell为例： decoder_cell =tf.nn.rnn_cell.DropoutWrapperdropout_ph,
output_keep_prob=dropout_ph) 如果我们想在tf.keras.layers中使用GRU和Dropout，并且对于相同的
浏览 26提问于2019-04-12得票数 0
我正在尝试实现一个自回归的seq2-seqrnn来预测时间序列数据，。该模型由一个从tf.keras.Model继承的自定义模型类组成，代码如下所示。我已经使用这个模型作为输入数据a (15,108)数据集(尺寸：(序列长度，输入单元))和输出数据a (10,108)数据集的时间序列预测。这可能是因为它是一个使用急切执行的自定义模型，因为多线程无法解决在这些情况下保存模型的问题。
有人能告诉我如何解决这个问题吗。任何帮助都是非常感谢<
浏览 27提问于2021-02-09得票数 2
回答已采纳
1回答
让我们看看下面的代码：rnn1 = tf.keras.layers.RNN(tf.keras.layers.LSTMCell(4)) tf.keras.layers.LSTMCell(4),
浏览 3提问于2021-07-12得票数 1
回答已采纳
1回答
我使用下面的循环创建了一个堆叠的keras解码器模型： # Create the encoderencoder_inputs = keras.layers.Input因此，解码器所组成的RNN层是一个堆叠的GRU，其中第一个GRU包含48个神经元，第二个包含58个神经元。我想设置第一个GRU的初始状态。我通过一个密集的层运行状态，以便形状与解
浏览 32提问于2019-02-07得票数 6
在keras中为RNN实现自定义单元时，是否有方法返回给定时间步骤的多个输出？=batch、hidden_units)
我的动机来自于的算法1‘递归译码器’，它‘累加变分目标’，因此必须跟踪给定的循环时间步长的多个输出。对于keras，如果在实例化该层时传递return_sequences=True和return_state=True args，则前向通过RNN<
浏览 2提问于2021-08-09得票数 0
回答已采纳
在这里，我想要构造一个非常基本和简单的字符的RNN。=hidden_units, stateful=True, dropout=keep_prob, return_state=True)(input_data, initial_state=[dim, dim, return_state=False)(hidden_1, initial_state=[state_h, state_c], training=True)
hidden3 = tf.keras.layers.Dense= tf.
浏览 1提问于2019-10-03得票数 0
使用tf.keras.layers.SimpleRNN时，该SimpleRNN是否具有隐藏状态，还是仅使用输出值作为隐藏状态。如果输入的长度为5，并且我做了keras.layers.SimpleRNN(1)，为什么根据总结只有6个参数。w_x应为5，b_h为1，w_h为1，输出可能为2，总共为7或9。
浏览 0提问于2021-05-19得票数 0
我正在尝试在Tensorflow 2.0中实现一个多层RNN模型。同时尝试tf.keras.layers.StackedRNNCells和tf.keras.layers.RNN会得到相同的结果。有人能帮我理解一下tf.keras.layers.RNN和tf.keras.layers.StackedRNNCells之间的区别吗sz_batch = 128sz_latent = 200
sz_s
浏览 35提问于2020-03-11得票数 3
class LearningToSurpriseModel(tf.keras.Model): stateful=True,)
def call(self, inputs, states=None, return_state=False, training
浏览 26提问于2022-02-22得票数 1
我想要构建一个LSTM模型，其中(n+1)第四个时间步长的输入是(N)个时间步长的输出函数。在目前的框架中，我看不出有什么办法可以做到这一点。人们一直在提到使用raw_rnn，我认为这在TensorFlow 2.0中是不可取的。有人能帮我解决这个问题吗？目前这就是我所拥有的 def __init__(self):
super(RNN, se
浏览 1提问于2020-05-24得票数 0
回答已采纳
2回答
使用TensorFlow (1.13.1)中的多层/堆叠RNN的初始状态所需的结构是什么？我尝试了以下几点：lstm_cells = [tf.keras.layers.LSTMCell(size) for size instate_init = [tf.placeholder(tf.float32, shape=[None] + cell.state_size) for cell in ls
浏览 0提问于2019-04-19得票数 5
1回答
我试图从我的模型中的SimpleRNN层获取输出和最终的隐藏状态。input_length, rnn_out, rnn_state=SimpleRNN(200, return_state= True)(emb_out)
#out= Dense(1, activation= 'sigmoid')(<em
浏览 8提问于2022-02-11得票数 0
回答已采纳
keras.layers.RNN输出形状1.输出gru1和gru_1b'#sequenc
浏览 1提问于2018-10-31得票数 0
回答已采纳
2回答
这是我对LSTM序列的理解。假设我们正在处理一个问答设置。第二组(蓝色)是一对多的LSTM，与第一组LSTM具有不同的权重。输入只是回答句，而输出是同一个句子，移动一句。2.是否有办法在Keras或Tensorflow中设置初始隐藏状态和单
浏览 10提问于2017-09-22得票数 7
回答已采纳
我有一个预先训练过的模型，它的形状输出(20,7,7,256) 77
是什么导致了我不明白的问题解决这个问题的
浏览 5提问于2020-09-10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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
