我正在尝试在keras中为timeseries开发一个编码器模型。数据的形状是(5039，28，1)，这意味着我的seq_len是28，我有一个特征。但是我不知道将LSTM层连接在一起的正确方法是什么。AFAIK，我可以添加RepeatVector或return_seq=True。您可以在以下代码中看到我的两个模型。第一个使用return_sequence=True的模型
inputEncoder = Input(s
浏览 27提问于2018-08-08得票数 17
回答已采纳
1回答
最近我学习了ResNet的跳转连接，我发现这种网络结构在训练过程中会有很大的改进，它也适用于卷积网络，如U-net。但是，我不知道如何用LSTM自动编码网络实现类似的结构。from keras.layers import LSTMfrom keras.layers import RepeatVectormodel.add
浏览 14提问于2020-03-20得票数 3
回答已采纳
2回答
据我所知，这是一个Many-to-one LSTM binary classification，那么我的输入形状是否应该是(38,000,48,30) (sample_size, time_steps,features)，并且是否应该将return_sequence设置为False以返回最后一个隐藏神经元的输出？
浏览 0提问于2019-02-13得票数 1
回答已采纳
1回答
从RNN中可以得到可变的输出长度，即input_seq_length != output_seq_length吗？下面是一个示例，显示LSTM输出形状、test_rnn_output_v1默认设置--仅返回最后一步的输出，test_rnn_output_v2返回所有步骤的输出，即我需要类似于test_rnn_output_v2的输出，但具有输出形状(None, variable_seq_length, rnn_dim)或至少是(None, max_output_seq_length, rnn_dim)。from keras
浏览 6提问于2020-04-20得票数 1
回答已采纳
X=X.reshape(2,3,2)y = y.reshape(2,3)model = Sequential()# model.add(LSTM(50, activation='relu', batch_input_shape
浏览 0提问于2019-05-12得票数 1
我在这里尝试运行Seq2Seq示例，from keras.models import Modelinputs = Input(shape=(timesteps, input_dim))decoded = LSTM</em
浏览 13提问于2017-12-26得票数 0
2回答
LSTM网络返回多个输出
、、、
我正在学习LSTM网络，我得到的输出是出乎意料的。我创建了一个LSTM，并向它提供了两个numpy数组：在使用模型预测输入后，我期望预测形状为(2158，1，1)，但它是(2158，2(shape= (dimX2,dimX3)) new=keras.layers.LSTM<
浏览 1提问于2021-06-05得票数 0
3回答
我正在尝试使用LSTM使用keras构建模型。图中描述了我想要建立的模型结构。
在keras中，我知道要创建这样一种LSTM层，我应该编写以下代码。model = Sequential()4是每个LSTM单元的输出大小。return_sequence配置many to many结构。但我不
浏览 1提问于2019-03-31得票数 0
回答已采纳
我一直试图用LSTM自动编码器获得向量序列的向量表示，这样我就可以使用支持向量机或其他有监督的算法对序列进行分类。数据量使我无法使用完全连接的稠密层进行分类。我试图使用给定的LSTM自动编码器将这些序列编码成一个单独的向量。model.add(RepeatVector(max_len))model.compil
浏览 1提问于2019-09-28得票数 4
回答已采纳
在keras的文档中，我找到了一个例子：from keras.models import Modelinputs = Input(shape=(timesteps, input_dim))de
浏览 1提问于2018-08-09得票数 4
回答已采纳
2回答
我正在测试不同的拓扑，但是我想要一个7个神经元的输入层(输入中的时间序列有7个维度)和一个神经元输出层(预测的值是一维的)，在它们之间，我正在用几个可变数量的LSTM层进行测试，每个层都有不同数量的神经元有时我会遇到这样一个奇怪的错误： ValueError: Input 0 of layer lstm_1 is incompatible with the layer: expected ndim=3,()
rnn.add(tf.keras.layer
浏览 131提问于2021-10-01得票数 0
回答已采纳
2回答
我是这个领域的新手，目前正在使用keras进行视频动作预测项目。输入数据从每个视频中获取10%的帧，并将所有相同的连续动作转换为1个动作。例如，0，0，0，1，1，2 -> 0,1,2。这里是我目前的方法，它不起作用. model.add(LSTM(100, input_shape=(None,48), return_sequences=True))
浏览 5提问于2020-12-16得票数 1
回答已采纳
我正在为具有不同长度的序列使用Keras构建一个RNN。我将每个序列的缺失值填充为-99 (我没有使用0，因为这在我的数据集中是一个有意义的值)。该模型的定义如下： keras.layers.Masking(mask_value=-99, input_shape=(n_lags, n_input_vars)),
浏览 5提问于2019-11-12得票数 0
回答已采纳
这是我第一次使用自动编码器架构，我只是想知道在这些模型中应该放置哪些非线性，以及它们应该去哪里。self.rnn_enc = nn.RNN(input_size=input_size, hidden_size=hidden_size, num_layers=num_layers, batch_first=Trueself.rnn_dec = nn.RNN(input_size=hidden_size, hidden_size=output_size, num_layers=num_layers, batch_first=True
浏览 0提问于2019-12-12得票数 0
), RepeatVector(german_max_len),这里，english_vocab_size和english_max_len分别是英语词汇表中的英语单词总数和每个英语句子中的单词数。现在，我如何在这个模型中添加tf.keras.layers.AdditiveAttention<
浏览 1提问于2020-10-11得票数 5
我尝试从一组不同的文件中获取数据，但得到了相同的错误。 仅用LSTM(2, return_sequences=True, input_shape=(512,2))替换模型的层会产生类似的错误。仅使用TimeDistributed(Dense(2), input_shape=(512,2))替换图层时出现相同错误 或使用Dense(512, input_shape=(512,2)) 我为每一层指定了输入形状完整的文本： 下面是错误，前面是来自read_CSV和regularize函数的模型
浏览 35提问于2020-07-03得票数 0
1回答
我希望使用LSTM根据其他列预测该列的未来结果。我的数据框有时间索引，并且我有多个列，包括我想要预测的紧急列(紧急列包含1或0)问题是我是ML的初学者，我想要一个已经解决了类似问题的源代码来修改或提前了解如何启动和thnx
我尝试使用一个特征来预测紧急状态列的下一个
浏览 23提问于2019-05-25得票数 2
回答已采纳
为什么我们需要在LSTM之后插入一个TimeDistributed层来建立时间序列预测？
浏览 0提问于2019-02-03得票数 2
我正在研究如何将TimeDistributed应用到我的LSTM中，看看它是否会提高我的模型的准确性。现在，我的下一个问题可能与我对TimeDistributed's的具体用例究竟是什么缺乏了解有关，但我知道TimeDistributed的输出是序列，而且该序列与输入序列的长度相同，因为您在模型的最后一层使用了return_sequences=True (在我的例子中，所有这些都是有状态的)。在我的例子中，我输入了一个长度为100的序列，然后从输入序列中预测出
浏览 0提问于2018-07-28得票数 1
我希望将图像向量与序列嵌入连接起来，然后将其提供给解码器模型。def define_model(vocab_size, max_length): input1 = tf.keras.layers.RepeatVectorinput1.shape)
e1 = Embedding(vocab_size, 512, mask_zero=True(512
浏览 0提问于2020-06-15得票数 9
回答已采纳
云服务器
ICP备案
云直播
腾讯会议
对象存储
腾讯云开发者
