我正在尝试运行下面的玩具模型,以了解如何使用SparseCategoricalEntropy来解决分类问题。我的理解是,最后一层的输出是形状[batch_size,num_classes]的概率输出,其中每一行的总和为1,而为SparseCategoricalEntropy提供的真实预测是形状[batch_sizeimport tensorflow as tffrom ten
我正在尝试弄清楚如何使用LSTM/GRU构建一个模型,该模型可以预测多对多,但对于每n次(在我的例子中是7次)输入。例如,我的输入数据有一整年每天的时间步长,但我只尝试预测每周结束时的输出,而不是每天。我能找到的唯一信息是这个答案:Many to one and many to many LSTM examples in Keras 它说:“当步数不同于