但是当我尝试添加TimeDistributed特性时，我遇到了一个input_shape问题。如何将input_shape从4d转换为5d？ 我想用每10个图像训练我的数据集，以便理解操作。Flatten())model = Sequential()
model.add(TimeDistributedmodel.fit(x_train, y_train,validation_data
浏览 43提问于2019-04-14得票数 0
列车尺寸: 13974测试尺寸: 3494列车形状：(13974,101，6，5)测试形状：(3494,101，6，5)列车输入形状：(13974,100，6，5)列车输出形状：(13974，1，6，5)测试输入形状：(3494,100，6，5)测试输出形状：(3494，1，6，5)model.add(TimeDistributed(Conv2D(32, (metrics=['ac
浏览 0提问于2019-10-01得票数 0
我有一个预先训练过的模型，它有多个输入，有不同的形状。因此，我可以在具有匹配形状的新输入上调用模型，如下所示：使用input)([input_1, input_2])
这不起作用，因为TimeDistributed不接受列表作为输入。到目前为止，我发现的所有解决方案都是使用合并的输入来解决这个问
浏览 0提问于2018-10-08得票数 4
回答已采纳
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。老实说，我仍然不确定TimeDistributed的具体用例是什么，我只是想尝试一下，看看它是否提高了我的准确性。除了盲目的尝试/错误，为什么有人要使用TimeDistributed呢？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<e
浏览 0提问于2018-07-28得票数 1
1回答
我想得到一个4D TimeDistributed(LSTM(.))在Keras中工作，但是输入/输出形状有问题。batch_size=batch_size, model.reset_states()
上面提到的层是关于最后一个TimeDistributed<
浏览 2提问于2017-07-14得票数 1
1回答
我有两个图像，我需要识别第三个。都是彩色图像。我得到了以下错误：
batch_size, 2)))model.add(TimeDistributed(Conv2D(32, (3, 3),Conv2D(3, (3, 3), activa
浏览 0提问于2019-05-24得票数 0
我正在处理一个关键字观察器，它处理音频输入并根据类似于下面所示的语音命令列表返回音频类：。我不想只处理1秒的音频作为输入，我希望能够处理多帧音频，比如说10 as步长的5个时间步骤，并将它们输入机器学习模型。 TimeD
浏览 5提问于2021-04-22得票数 1
回答已采纳
然而，似乎暗示，使用TimeDistributed层对于将密集层中的各个时间步骤分开是必不可少的(这在我看来是合乎逻辑的)。那么，为什么TimeDistributed层包装器在Keras教程中都没有提到呢？让事情变得简单？或者本教程是否使用不需要TimeDistributed的体系结构？还是基于不包括或不需要TimeDistributed的Keras版本？
浏览 1提问于2018-03-07得票数 0
回答已采纳
但我无法弄清楚如何用正确的输入大小来堆叠这些层。rnn = LSTM(256, return_sequences=True, input_shape=(200,189))model = TimeDistributedcategorical_crossentropy', optimizer='adam', metrics=['accuracy'])但我知
浏览 2提问于2021-04-18得票数 1
回答已采纳
我在Keras文档和其他网站上读到了它们，但是我无法确切地理解它们到底是做什么的，我们应该如何使用它们来设计many-to-many或encoder-decoder LSTM网络？我看到他们在这个问题在这里的解决方案中使用。model.add(RepeatVector(10)) model.add(LSTM(output_dim=hidden_neurons，return_sequences=True)) model.add(TimeDistributed
浏览 0提问于2019-03-01得票数 20
回答已采纳
1回答
我正在处理一个视频分类问题。2))))
model.add(TimeDistributedactivation='relu')))
model.add(TimeD
浏览 29提问于2021-04-22得票数 1
1回答
变样本的多对多lstm模型
、、、、
我最近开始学习如何为多变量时间序列数据建立LSTM模型。我看过和关于如何填充序列和实现多到多的LSTM模型。我已经创建了一个dataframe来测试模型，但是我一直收到一个错误(下面)。model.fit(train, test, epochs=300, validation_data=(test_X, test_y), verbose=2, shuffle=False)
所以我的问题是如何调整模型以结合这一点？
浏览 1提问于2018-12-20得票数 1
回答已采纳
我有大量的nxmxm数组。我想训练一个keras模型，它学习一个单一的密集神经网络来应用于所有的nx1列向量。作为一个具体的例子，假设A是一个6x10x10张量；因此它有100个6x1列向量。 我有一个keras模型来训练密集的神经网络： import keras as K layers=[12,36,12,1]
x=L.Dense(layers[0],activation='relu')(columns)
f
浏览 7提问于2019-01-04得票数 0
2回答
我相信这是一个独特的问题，但如果有其他答案，我肯定会联系到其他地方。我在Keras中有一个卷积顺序网络，非常类似于中的一个。我的问题是一个简单的分类问题，因此提供标签是没有意义的，例如，在序列的第一个1000个时间步骤之后，与所有的100万个步骤相比。因此，我的问题是:我可以使用什么来创建一个大型网络来运行在Keras中非常长的序列上？我有可能误解了fit_generator吗？还是有其他方法将长序列分解成不同的部分？
浏览 0提问于2018-03-20得票数 3
回答已采纳
我有一个输入数组的形状(1000,20，4)和输出(标签)的形状(1000,25,1)。但是，不知道如何使用Keras库来为此建立顺序模型！model = Sequential()model.add(RepeatVector(25))
model
浏览 0提问于2019-03-04得票数 1
回答已采纳
1回答
关于如何整形lstm数据的建议
、、、、
这是我的X(输入)。所以X有形状(933，8，10)。Y(输出)是933个向量的时间序列，每个向量是一个5维向量。所以Y有形状(933，1，5)。model = Sequential()model.add(TimeDistributed(Conv2
浏览 2提问于2020-07-12得票数 1
)out = TimeDistributedDense(num_tags, activation="softmax")(model)model.summary()
当我使用密集层或使用TimeDistributed在这种情况下，我应该使用TimeDistributed？
浏览 10提问于2022-06-10得票数 2
我试图使用keras编写一个具有非共享权重的多分支网络，但网络的输入出现了问题。我期望输入的形状是(None, 30, 64, 64, 3)，但是网络收到的输入形状是(None, None, None, None)。 每个分支网络都是一个VGG网络。input, input2.input, input3.input, input4.input, input5.input, input6.input], outputs=x) 错误的位置是每个分支网络中的输入Full sh
浏览 93提问于2021-10-22得票数 0
1回答
另外，LSTM的输出是如何连接到Dense层的。另外，请告诉我第一个这么发帖的答案是否是模棱两可的？
浏览 2提问于2018-12-29得票数 2
回答已采纳
1回答
, input_shape=input_shape[1:]))
model.add(TimeDistributed当调用此方法来训练模型时，会出现以下错误：如何修复嵌入层和GRU层之间的形状误差？
浏览 0提问于2018-11-02得票数 0
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
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
