1回答
我对在Pytorch中使用LSTM非常陌生，我正在尝试创建一个模型，它得到一个大小为42的张量和一个大小为62的序列(即62个大小为42的张量a)。这意味着我在一个序列中有62个张量。因为我从Pytorch文档中读到的东西，我只能预测相同的比率(1点预测1)，而我想预测张量为42，序列为62，张量为1，序列为8。这是可行的吗？我需要将预测的张量从1填充到大小42吗？谢谢!一个好的解决方案是使用seq2seq，例如
浏览 22提问于2019-12-29得票数 5
回答已采纳
我有一个pytorch模型： torch.nn.LSTM(40, 256, 3, batch_first=True),例如：hidden = hidden[-1]
尽管如此，该示例仅适用于子类模型。我不能在tensorflow.js中创建和训练这个模型的原因是因为我试图在tensorflow.js中实现这个repo：，同时仍然使用<
浏览 5提问于2021-10-05得票数 0
如何在PyTorch中从预先训练好的模型中获取权重并在TensorFlow中使用？这是预先训练好的模型：
lstm = torch.hub.load("BruceWen120/medal", "lstm")
浏览 3提问于2021-11-28得票数 0
1回答
我的(PyTorch)模型输出之和不是1，这是模型的结构。LSTM(64, 64)Sigmoid()
这是模型的预测输出。
浏览 6提问于2022-07-13得票数 -1
回答已采纳
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。我想知道，既然LSTM中有多个层，为什么参数"hidden_size“只是一个数字，而不是包含多个层中隐藏状态的数量的列表，如10、20、30。我在处理一个回归项目时遇到过，在这个项目中，我将(seq_len，batch，feature)的序列数据提供给LSTM，我想要获得每个时间步的标量输出。这是理解pytorch LSTM框架的
浏览 6提问于2019-01-07得票数 1
我试图隐藏PyTorch代码的CNN -> LSTM级联模型到PyTorch闪电。在nn.Module码中有两个PyTorch类，一个用于CNN (编码器)，一个用于LSTM (译码器)，最后一个隐藏层作为PyTorch的输入。因此，在转换到PyTorch闪电之后，有两个pl.LightningModule类。我想知道如何在这两个类中填充所需的方法。以下是PyTorch中丢失和优化器的定义；优化器使用来自编码器
浏览 0提问于2021-08-03得票数 0
1回答
我已经看到了一些实现，特别是使用这个参数来除去输出序列中的最后一个元素作为自动编码器的“编码器”一半的输出的自动编码器。model.add(TimeDistributed(Dense(1)))该实现在应用LSTM</e
浏览 4提问于2020-12-07得票数 4
回答已采纳
我有一个Tensorflow / Keras模型，它具有： LSTM(lstm3self.model.add(Dropout(0.2))
self.model.a
浏览 2提问于2020-02-26得票数 3
回答已采纳
1回答
我有一个用Keras编写的非常简单的LSTM示例，我正试图将其移植到pytorch。但它似乎根本无法学习。我是一个绝对的开始，所以任何建议都是值得感激的。KERASlstm_model = Sequential()lstm_model.add(Dense(1))
lstm_mo
浏览 0提问于2019-05-10得票数 1
和标题一样，我的问题是如何使用PyTorch库将打包方法应用于LSTM？我已经在python上使用TensorFlow构建了一个。但是现在要隐含到使用C和C++的系统中，要求是我需要使用PyTorch？ 有什么建议不需要使用PyTorch，直接将基于tensorflow构建的模型应用到系统中的真实预测中？ 请帮帮我！
浏览 17提问于2020-01-02得票数 0
假设我有一个pytorch模型，描述了某个多维系统基于自身状态x和外部执行器u的演化，所以x_(t+1) = f(x_t，u_t)，f是pytorch的人工神经网络。有没有一种简单的方法可以使用像pyomo或gekko这样的动态优化工具箱做到这一点？
我已经编写了一些代码，将前馈神经网络转换为numpy函数，然后可以将其作为约束传递给pyomo。
浏览 28提问于2021-05-26得票数 2
回答已采纳
2回答
我想自己创建一个LSTM类，但是我不想从头开始重写经典的LSTM函数。深入研究PyTorch的代码，我只发现至少涉及3-4个具有继承的类的脏实现：
作为一个明确的例子，我正在搜索的是一个像一样干净的实现，但是在PyTorch中
浏览 2提问于2018-05-04得票数 11
回答已采纳
1回答
我试图将模型移植到Keras。
但是，在将Conv2D层的输出连接到LSTM层时，我被卡住了。来自CNN层的输出将具有( batch_size，512，1，width_dash)的形状，其中第一个依赖于batch_size，最后一个依赖于输入的输入宽度(该模型可以接受可变宽度输入)。我试图实现这是Keras，但我无法做到这一点，因为在Keras中，我们不能在keras.models.Sequential模型中更改batch_size维度。请有人指导我如何将以上部分的模型移植到Keras？
浏览 0提问于2018-01-20得票数 6
回答已采纳
我有一个PyTorch LSTM模型，我的forward函数如下所示： print('in forward', x.dtype, hidden[0].dtype, hidden[1].dtype) return lstm_out
浏览 8提问于2020-03-03得票数 2
回答已采纳
3回答
我正在尝试将我的LSTM异常检测Pytorch模型导出到ONNX，但遇到错误。请看我下面的代码。class Model(torch.nn.Module):
def __init__(self, input_dim, hidden_dim, layer_dim):_Linear', 'l_fc2_Linear', 'l_lstm_LSTM', 'l_fc1_
浏览 3提问于2019-08-01得票数 4
1回答
我的模型是： model.add(LSTM(128, input_shape=(10, VECTOR_SIZE), return_sequencesTimeDistributed(Dense(VECTOR_SIZE, activation='linear')))
File "/Users/shamoon/.local/share/virtualenvs/pytorch-lstm</e
浏览 4提问于2020-02-15得票数 0
回答已采纳
1回答
嗨，我有一些关于导出ONNX模型的问题。利用torch.onnx.export生成的ONNX模型具有LSTM层。但是，我感兴趣的是它是否能够在操作符级别上生成ONNX模型，即matmul，add。如果没有，是否有另一种方法可以建立操作符级的ONNX模型？
谢谢，杰克
浏览 5提问于2021-02-10得票数 0
回答已采纳
在我的神经网络模型中，我用一个8x256维嵌入矩阵表示一个8个单词的句子。我希望将其作为输入提供给LSTM，其中LSTM一次接受嵌入的单个单词作为输入并对其进行处理。根据pytorch ，输入应该是(seq_len, batch, input_size)的形状。将输入转换为所需形状的正确方法是什么？我不想把数字搞混了。我在PyTorch和行主计算方面是个新手，所以我想在这里问一下。我这样做，对吗？x = torch.rand(8,256)
lstm_input = torch.resha
浏览 1提问于2018-11-28得票数 2
3回答
在PyTorch中，我们可以通过多种方式定义体系结构。在这里，我想使用Sequential模块创建一个简单的LSTM网络。在Lua的火炬里，我通常会说：model:add(nn.SplitTable(1,2))model:add(nn.Linear(hiddenSize, classes_n
浏览 4提问于2017-05-23得票数 6
我试图将一个现有的经过训练的PyTorch模型移植到Keras中。LSTM网络的Keras实现似乎有三种状态矩阵，而Pytorch实现有四种状态矩阵。例如，对于具有hidden_layers=64、input_size=512和输出size=128状态参数的双向LSTM，如下所示[<tf.Variable 'bidirectional_1/forward_lstm_1/k
浏览 2提问于2018-01-20得票数 11
回答已采纳
云服务器
ICP备案
对象存储
云点播
云直播
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号