在阅读dynamic_rnn的接口文档时，我有以下问题：序列长度单元( <= )hidden_size，或者，我说的对
浏览 6提问于2017-12-11得票数 1
0回答
用numpy实现RNN
、、、
我目前的输入和输出设计如下：h：(层数，方向数，批量大小，隐藏大小)weight：(层数-1，方向数，隐藏大小，方向*隐藏大小+隐藏大小)
bias：(层数，方向数，隐藏大小</e
浏览 1提问于2018-07-22得票数 11
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<e
浏览 6提问于2020-05-06得票数 16
回答已采纳
2回答
我有一个数据序列a，它的形状是[seq_len, 2]，seq_len是序列的长度。a[:, 0]和a[:, 1]元素之间存在时间相关性，而a[:, 0]和a[:, 1]相互独立。为了训练，我准备了形状[batch_size, seq_len, 2]的数据。我使用的BRNN的初始化是
birnn_layer = nn.RNN(input_size=2, hidden_size=10
浏览 2提问于2020-10-13得票数 3
1回答
如何传递到变长线性数据？
、、、、
我试图通过先将数据传递给RNN，然后再传递给what来进行序列分类，通常我只是将输出从[batch_size, sequence_size, hidden_size]转换到[batch_size, sequence_size*hidden_size]，将其传递给线性，但是在这种情况下，我有不同长度的序列，所以RNN的输出可能是[batch_size, 32, hidden_size]或[batch_size, 29, hidden_size</
浏览 1提问于2022-05-03得票数 0
回答已采纳
我遇到了几个使用RNN对MNIST数字进行分类的例子，用sequence_length=1初始化隐藏状态的原因是什么？如果你提前1步预测视频帧，你会如何初始化它？self.hidden = h0inputs = inputs.view(batch_size*image_height, 1, image_width)
在上面的例子中，图像是按列传递的吗有没有其他方法来表示RNN中的输入图像？它与如何初始化隐藏状态有什么关系？
浏览 1提问于2020-10-31得票数 0
3回答
(torch.randn(2, 3, 20))output, hn = rnn(input, (h0, c0))
rnn = nn.LSTM(input_size=num_hyperparams, hidd
浏览 8提问于2017-07-10得票数 35
回答已采纳
我试图建立一个简单的LSTM网络，2层叠加。为此，我使用MultiRNNCell。我遵循教程和其他堆栈主题，但我仍然有一个问题来运行我的网络。下面您可以找到初始状态声明，我在堆栈中找到了。initial_state = rnn.LSTMStateTuple(init_c, init_h) #[num_layers, 2, batch_size, state_size])
下面您可以看到我的模型是什么样子的feed_dict={self.X: batch_x, self.Y:batch_y
浏览 0提问于2018-07-19得票数 0
回答已采纳
虽然这是一个典型的用例，但在通过RNN发送时，我找不到一个简单而明确的指南来说明在pytorch中计算填充小批量的损失的规范方法是什么。我认为一个规范的管道可能是： 1) pytorch RNN需要形状的填充批量张量：(max_seq_len，batch_size，emb_size) 2)所以我们给出一个嵌入层，例如这个张量： tensor批量大小为2。嵌入层将使其成为形状(max_seq_len，
浏览 18提问于2019-12-12得票数 2
回答已采纳
1回答
拟散函数目标形状失配
、、、、
我正在训练一个LSTM模型，使用的是批处理大小为256个和NLLLoss()作为丢失函数的pytorch。损失函数与数据形状有问题。前向传递的软件最大输出具有torch.Size([256, 4, 1181])形状，其中256个是批大小，4个是序列长度，1181是语音大小。目标为torch.Size([256, 4])形状，其中256个是批大小，4个是输出序列长度。
当我先前测试批
浏览 1提问于2020-02-07得票数 3
回答已采纳
1回答
我正在尝试使用以下激活定义来实现一个LSTM Unit对象：我想确认我的形状是正确的。出于目的和目的，假设我的数据是一些任意的时间序列数据。输入x^(t)具有形状(1，输入大小)
我不确定h^(t-1)的大小。我假设它是一个形状的列向量(隐藏大小为1)。如果有，原因何在？当列堆叠(或连接)这两个向量时，我应该得到一个形状矩阵(隐藏大小，input_size)。这是正确<
浏览 0提问于2018-07-29得票数 0
在等宽字体中，字体大小和字符宽度之间的依赖关系是什么？在我的web应用程序中，我使用了"courier new“字体。我想知道，字符串的实际长度是多少？如果我知道css的字体大小属性，它如何帮助我知道字符串的真正长度？谢谢
浏览 0提问于2013-10-01得票数 14
1回答
但我很难在我的模型中找到将CNN和LSTM结合起来的正确方法。以下是我的尝试： def __init__(self, hidden_size, n_classes): output = self.classifier(output.view(-1, 4096))
因为我的视频有可变<
浏览 1提问于2020-08-24得票数 1
1回答
num_layers) l.register_backward_hook(backward_hook)
在前一次传递中，我简单地迭代了序列长度的(batch_size, input_size)，prev_hiddens[i]为(batch_size, hidden_size)的大小，prev_cells[i]为(batch_size, hidden_size)的大小。
浏览 0提问于2019-05-07得票数 1
1回答
我每分钟都会记录来自机器的信号，持续6个小时。即机器的信号长度为6*60 = 360。我的客户已经为每台机器记录了这些信号一个月。换句话说，每台机器有360个28天的信号长度。我的数据集中有大约2000台机器的数据。 如果你想知道我的数据集是什么样子的，我在下面给出了一个快速的概述(注意:每天的每个信号都有360个长度，如问题中所述)。我
浏览 26提问于2019-12-15得票数 0
回答已采纳
1回答
对查询结果进行多头分页
、、、
我们有一个用于对象之间关系建模的微服务。在主对象和次对象之间定义具有基数约束的关系，如1-1、1-N、N-N等。微服务提供创建关系、查找关系、获取次要对象、获取初级对象等API。此消费服务接受类似的分页选项，如页面索引和编号，并将其传递给关系服务，并将从关系服务获得的页面结果返回给调用应用程序。到目前为止一切都很好。因此，我们想让"Get Seconda
浏览 0提问于2018-11-18得票数 1
1回答
作为练习，我正在构建一个用于序列二进制分类的网络(序列是属于A型还是B型)。该网络由一个具有一个LSTM层的RNN组成，并在其之上形成一个输出分类的MLP。我将不同长度的序列批量输入到网络中，这意味着我需要对序列进行填充，使其长度相等，并屏蔽网络的输出，使它们与原始序列相同长度。
在PyTorch中实现填充/掩蔽的正确
浏览 0提问于2023-05-30得票数 0
1回答
火炬式LSTM输入尺寸有问题
、、、、
我得到的错误是：详细信息{"catFalse) (sig): Sigmoid()最后，我得到了inputs和labels的以下维度inputs, labels = bat
浏览 7提问于2020-05-14得票数 1
回答已采纳
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
