我用Python中的Keras训练了一个LSTM递归神经网络来进行序列(时间序列)分类。
功能以形状排列(batch_size、timesteps、data_dim)。我的训练例子总共有1000个。最后的目标是对5个类别进行分类。下面是我的代码片段。
#defining some model features
data_dim = 15
timesteps = 20
num_classes = len(one_hot_train_labels[1,:])
batch_size = len(ytrain)
#reshaping array for LSTM training
xtrain=n
我试图建立LSTM神经网络来对句子进行分类。我见过许多例子,其中句子被转换成文字向量使用手套,word2Vec等,这里是一个它的例子。这个解决方案是可行的,在类似的行上,我编写了下面的代码,它使用通用句子编码器生成整个句子的嵌入,并使用LSTM对句子进行分类,但是即使在200年以后,它也不能工作--模型不收敛。
请找到下面的代码
import tensorflow as tf
import keras
from keras.layers import Input, LSTM, Dense, Activation, Dropout,Embedding
from keras.models impo