1回答
所以我想知道是否有可能在Keras中将2D网格样式输入到传统的LSTM中？例如:一个网格表示一个房间，在每个时间步的任何位置都有一个人站着。
浏览 4提问于2018-03-03得票数 0
回答已采纳
我正在尝试使用Keras库来实现Sequence2序列模型。该模型的框图如下模型将输入序列嵌入到三维张量中。然后，双向lstm创建编码层。接下来，将编码的序列发送到自定义注意层，该自定义注意层返回对每个隐藏节点具有注意力权重的2D张量。
将解码器输入作为一个热向量注入到模型中。现在，在解码器(另一个双lstm)中，将解码器输入和注意权重作为输入
浏览 0提问于2018-07-25得票数 6
回答已采纳
1回答
我是keras的新用户，并试图实现LSTM模型。对于测试，我声明模型如下，但由于输入维度的不同，它失败了。虽然我在这个网站上发现了类似的问题，但我自己找不到自己的错误。ValueError: expected lstm_input_4 to have 3 dimensions, but got arraywith shape (300, 100)
keras
浏览 1提问于2017-03-12得票数 3
回答已采纳
我认为RNN单元是接收先前状态a^{<t-1>}和当前数据输入x^{<t>}的单元。它将输出一个新的状态a^{<t>}和当前预测的\hat{y}^{<t>}。
因此，如果设置了batch_size，则SimpleRNNCell输入应为2d。我认为输入应该是[batch_size,feature_size]。但是，如果输入是2D，则会引发错误。以前的州也需要3D。
浏览 0提问于2019-03-29得票数 2
1回答
我正在尝试训练一个基于检测到跌倒的传感器数据的Keras LSTM模型。有多个试验都在一个数据帧中包含不同长度的带有感官数据(X轴、Y轴和Z轴)的时间序列，因此每个试验都有如下输出： [[1,4,7],[1,5,3],[5,2,7],[7,2,5],[9,5,2].....但是我找不到一种方法来处理不同长度的输入。输出必须是1维的。这到底是不是跌倒了。该怎么做呢？
浏览 24提问于2020-09-16得票数 0
我是新的ML，并试图建立一个RNN模型。 for i,node in enumerate(layers): model.add(LSTMActivation(activation)) else:
浏览 3提问于2020-02-28得票数 0
回答已采纳
1回答
我正在尝试在输入数据上训练一个模型，该模型由一个令牌(一个id)和一个固定宽度(通道数)和长度(时间序列窗口的长度)的2d序列数据组成。我希望令牌转到嵌入层，时间序列数据稍后转到LSTM。我的问题是如何在Keras/Tensorflow中输入这样的数据，然后在模型中如何拆分它？
浏览 2提问于2020-07-21得票数 0
具体来说，输入是形状[batch_size, time_steps, features]的张量。输入进入LSTM单元和输出，我将其转化为一个time_steps 2D张量列表，每个2D张量都具有形状[batch_size, hidden_units]。然后，将每个2D张量乘以形状[hidden_units]的权重向量，生成形状[batch_size]的矢量，该矢量已添加了形状[batch_size]的</em
浏览 4提问于2017-04-20得票数 2
回归的：
sequence-to-sequence：LSTM层的输出是一个序列，输入到一个完全连接的层。sequence-to-one：LSTM层的输出是序列的最后一个元素，输入到一个完全连接的层中。lstmLayer(N, 'OutputMode', 'last')。两者在时间序列预测方面有
浏览 8提问于2019-02-26得票数 0
回答已采纳
2回答
目前，我正在尝试构建一个自动编码器，用于检测时间序列数据中的异常。我的方法基于本教程：使用普通的MLP网络，您可以有一个用于时间序列的网络和一个用于元数据的网
浏览 22提问于2021-04-18得票数 0
1回答
理解时间戳在Keras中的作用
、、、、
给定由10232个信号组成的信号数据集，200 K (10232, 200000)中的每一个都是为了分类目的而制作的。我对Keras的理解是，它接受(samples, timestamp, features)格式的数据。在阅读了许多文章后，LSTM只接受3D数据，所以我们首先应该将输入的数据从2D扩展到3D。=True)(lstm_)
lstm_ = Dropout(0.2)(lstm</e
浏览 3提问于2020-11-28得票数 0
回答已采纳
我很难理解这个错误消息是关于什么的。我看过很多帖子，比如
tf.keras.layers.Masking(mask_value设置是正确的，但基于上面列出的问题，我不知道应该在这里修复什么。每当我尝试拟合模型时，它仍然打印一个错误
ValueError: Input 0 of layer
浏览 0提问于2021-05-19得票数 1
实际上，我正在尝试使用LSTM或GRU构建一个回归神经网络。我的输入数据是来自Imu传感器的时间序列，我的目标数据是(x，y，z)，准确地说，我试图从时间序列(愉悦、觉醒和支配地位)预测PAD值。因此，对于每个时间序列文件夹，我有相应的PAD值X=-1.1546，-2.55…，N= -0.5,0.6，0.3，我知道LSTM需要即时的3d输
浏览 0提问于2018-05-25得票数 1
回答已采纳
1回答
在Keras的LSTM实现中的默认模式(有状态=假)中，批处理中的所有样本都是独立的，状态不会从一个样本传播到下一个样本。根据我的理解，输入序列长度(L)是保持LSTM状态的唯一方法。但从理论上讲，这种操作方式与具有固定大小滑动输入窗口的前馈神经网络相比，将状态传播限制在固定的时间步长上。因此，神经网络的每个<
浏览 1提问于2017-05-26得票数 6
2回答
这似乎是PyTorch中关于LSTM最常见的问题之一，但我仍然无法弄清楚PyTorch LSTM的输入形状应该是什么。
即使在跟踪了几个帖子(、、)并尝试了解决方案之后，它似乎也不起作用。背景:我在一批大小为12的文本序列中编码了文本序列(可变长度)，并使用pad_packed_sequence功能对序列进行填充和打包。每个序列的MAX_LEN为384，序列中的每
浏览 6提问于2020-05-06得票数 16
回答已采纳
我已经训练了我的LSTM网络并将其部署在Arduino上，但我的问题是，如您所知，LSTM网络的输入如下(时间序列数据的窗口长度)，(要素)在我的情况下是256窗口长度和6轴IMU数据，这意味着2D输入但是我看到的所有示例都只是一维输入以下是用于分配模型输入的Arduino代码 输入->
浏览 36提问于2020-11-17得票数 0
2回答
我试图为时间序列分析构建一个简单的NN。到目前为止，我只添加密集层(但欢迎评论LSTM等，如果这是您喜欢的)。我的输入是通常格式的{samples，time steps，features}，比如说{1000,100，3}，我想要一个单步输出。到目前为止，我无法理解是否应该将数据扁平化，以及在哪里。但我还不知道这些是否是正确的。
在下可以找到一个很好的讨论。但是，请注意，我对timeseries特别感兴趣。所以，我想知
浏览 1提问于2019-12-01得票数 2
0回答
我是Keras和LSTM的新手--我想在2维序列(即，网格空间中的移动)上训练一个模型，而不是1维序列(如文本字符)。作为测试，我首先只尝试了一个维度，并使用以下设置成功完成：model.add(LSTM(512, return_sequences=True, input_shape=X[0].shape, dropout=0.2, recurrent_dropout=0.2))
model.add(LSTM
浏览 2提问于2017-06-09得票数 2
1回答
批处理中的LSTM状态
、、、
我目前正在研究一个，我很难理解这个重要的LSTM概念。为了使事情尽可能简单，序列具有相同的长度seq_length。据我所知，输入的数据是形状为(n_samples, seq_length, n_features)的，然后我们在大小为M的n_samples/M批次上对LSTM进行如下培训：
在2D张量(seq_length, n_features)中馈送，并对每个输入<
浏览 8提问于2017-01-13得票数 4
1回答
在我的二进制多标签序列分类问题中，我在每个输入句子中有22个时间步骤。现在我已经在每个时间步中添加了200维的单词嵌入，所以我当前的输入形状是(*number of input sentence*,22,200)。我的输出形状将是(*number of input sentence*,4)，eg.[1,0,0,1]。
我的第一个问题是，如何构建Keras LSTM模型来接受3D输入
浏览 2提问于2018-12-07得票数 1
云服务器
ICP备案
云直播
对象存储
腾讯会议
腾讯云开发者
