计算精度(在lstm模型中)

文章/答案/技术大牛

发布

1回答

python、pytorch

*1.0 / len(valid_labels) *1.0) 它总是打印0.000，所以我决定将原始值打印到num_correct：print(top_class.squeeze(), labels)中

浏览 21提问于2021-05-01得票数 0

回答已采纳

1回答

LSTM的训练与测试精度计算

python、tensorflow、keras、deep-learning、lstm

我正在用下面的代码构建一个LSTM模型，我希望计算该模型的训练和测试精度。我是机器学习的新手，我唯一知道的计算精度的方法就是使用sklearn的“精确分数”。y_train = pd.Series(y_train)lstm_model.add(Embedding(top_words, 32, input_length=req_length))input = (re

浏览 5提问于2022-05-05得票数 0

1回答

顺序数据集使用哪种性能度量？

machine-learning、deep-learning、keras、lstm、data-science-model

我有一个如下所示的数据集，我已经构建了LSTM模型来执行seq预测。3,6,1,63,45 23,4,1,11 这是一个具有多个输入和多个输出的顺序数据集，我不知道如何度量我的测试数据模型的性能我试过使用精度，但不可能为多个输出计算精度(got错误)。我试着做验证损失，但我想知道是否有更好的方法来计算我的模型的性能度量？

浏览 0提问于2022-08-26得票数 1

1回答

培训和验证LSTM问题:查全率和召回问题

python、tensorflow、keras、precision、precision-recall

我有一个LSTM编码器-解码器模型，我已经开发，以分类的价格波动基于跳跃-扩散模型(二进制分类问题本质上)。我的模型是75/25之间的培训和验证。我的问题是，在应用了类不平衡技术(如SMOTE )之后，我的模型在培训和验证两方面的预测精度都很高(可能仍然过于合适)。但是，在精确性方面，召回和f1评分--我的训练模型再次表现良好--但在验证方面，我的查全率和召回率明显下降。这显然会导致验证侧的f1得分较低。这是与我的

浏览 2提问于2020-08-22得票数 0

回答已采纳

2回答

LSTM时间序列预测-从低损失开始，精度不变

python、keras、deep-learning、lstm

我构建了一个LSTM网络，并尝试了几个参数，但是我总是以同样非常低的精度(0.108)结束。test_X = np.reshape(test_X, (test_X.shape[0], 1, test_X.shape[1])) model.add(LSTM

浏览 2提问于2019-09-22得票数 0

2回答

当问题是回归问题时，如何计算精度？

python、machine-learning、keras

当问题是回归问题时，如何计算精度？model.fit(...,verbose=2,...)然后我意识到回归的问题是没有精确的概念，然后我开始想，这个精度是如何计算的？

浏览 1提问于2019-09-01得票数 1

回答已采纳

1回答

TensorFlow -年代精度

python、tensorflow、neural-network

问题是，这一时代的准确度保持在87.805%。看上去不对。有什么想法吗？logits).numpy() print("Example {} prediction: {}".format(i, name)) 您还可以在google

浏览 1提问于2018-07-05得票数 0

1回答

为以TimeDistributed层结尾的模型选择正确的度量

python、tensorflow、deep-learning

我试着训练一个新任务的模型，下面的模型。我对这里使用的标准感到有点困惑，我本来希望使用一个经典的CategoricalCrossentropy，但是：我少了什么？attention_mask})[0] x = tf.keras.la

浏览 1提问于2022-01-30得票数 0

回答已采纳

1回答

嵌入层值错误后的LSTM* :符号张量不是吗？*

python

由于某些原因，我无法在我的模型中添加一个LSTM层：LSTM=Sequential()LSTM.add(LSTM(30, return_sequences=True,name='lstm_layer')) LSTM.add(GlobalMaxP

浏览 3提问于2018-09-17得票数 1

回答已采纳

1回答

LSTM Keras顶部的注意

tensorflow、keras、deep-learning、lstm、attention-model

我正在使用Keras训练一个LSTM模型，并希望在此基础上增加注意。我对Keras和注意力都很陌生。在链接中，我学会了如何在LSTM层上添加注意，并建立了这样的模型lstm_model=Sequential() #or Graph lstm_model.add(Embedding(output_dim=300,input_dim=n_symbo

浏览 3提问于2018-05-28得票数 2

2回答

如何将MC丢包应用于LSTM网络keras

deep-learning、lstm、rnn、dropout

我有一个使用keras开发的简单的LSTM网络：model.add(LSTM(rnn_size,input_shape=(2,w),dropout = 0.25

浏览 0提问于2019-03-26得票数 4

1回答

训练CNN-LSTLM端到端？

neural-network、tensorflow、deep-learning、torch

已经有许多论文(特别是图像标题)将CNN和LSTM架构联合用于预测和生成任务。然而，他们似乎都是独立于LSTM训练CNN的。我在浏览Torch和TensorFlow (用Keras)，却找不到为什么不可能进行端到端的培训(至少从架构设计的角度来看)，但似乎没有任何关于这种模型的文档。那么，能做到吗？如果是这样的话，是否就像将输出从CNN链接到LSTM并运行SGD一样简单？还是说它更复杂？

浏览 2提问于2016-10-17得票数 8

1回答

为什么Keras模型中的第一个LSTM比随后的模型有更多的参数？

keras、keras-layer

我只是从一个相当简单的顺序模型中查看Keras模型的细节，其中我一个接一个地拥有多个LSTM层。我惊讶地发现，第一层总是有更多的参数，尽管定义与后续的LSTM层相同。这里的模型定义清楚地表明了这一点：=================_________________________________________________________ 同样，<

浏览 1提问于2017-10-05得票数 0

回答已采纳

1回答

get_weight模型在角膜磨镶模型中的解释

python、tensorflow、keras、lstm、seq2seq

(LATENT_SIZE), merge_mode="sum", name="encoder_lstm")(inputs)decoded = keras.layers.Bidirectional(keras.layers.LSTM(VOCAB_SIZE, return_sequences=True), merge_mode="sum&qu

浏览 0提问于2019-07-12得票数 0

回答已采纳

1回答

LSTM的output_dim怎么能与下一层的input_dim不同？

python、machine-learning、keras、lstm、keras-layer

我在看这段代码：model.add(LSTM(input_shape = (1,), input_dim=1, output_dim=6, return_sequences=True))model.add编辑 

浏览 1提问于2018-03-02得票数 2

回答已采纳

1回答

在功能模式下使用LSTM时的问题

keras、tf.keras

import numpy as np out = LSTM(hidden_dim, input_shape=(1, 129))(lstm_input) lstm_input = Input(shape=(129, ), name='lstm_input') out =

浏览 2提问于2019-05-03得票数 0

1回答

如何计算实体预测的精度、召回和F1

python、dataframe、entity、prediction、precision-recall

我使用来自的实体链接模型来预测一组文档。因为它们实际上并没有解释如何计算精度、召回和F1。因此，我使用实际的标记创建了一个dataframe，并从测试数据中预测了标记。:sushi soso我在想，基于这个，我是否能够自己计算精度

浏览 4提问于2022-01-29得票数 0

1回答

双向相对于传统的LSTM

lstm、computer-vision、pytorch

然而，我知道双向LSTM更准确。那么，你对这个比较有什么看法？

浏览 0提问于2020-08-05得票数 -1

回答已采纳

1回答

Keras:在没有GPU的主机上用CuDNNLSTM构建的加载模型

tensorflow、keras

我训练了一个使用CuDNNLSTM单元的keras模型，现在我希望将该模型加载到缺少GPU的主机设备上。有什么后门可以让我在没有GPU的主机上加载模型吗？任何建议都会很有帮助的！

浏览 0提问于2018-10-19得票数 2

回答已采纳

1回答

CuDNNLSTM和LSTM模型权值加载，model.evaluate()问题

tensorflow、deep-learning、keras

我训练了一个双向的CuDNNLSTM文本分类模型，model.evaluate(x_test, y_test, batch_size=BATCH_SIZE)给了我[('loss', 0.39137715717178684现在，当我通过修改模型架构中的CuDNNLSTM > LSTM在新的双向LSTM模型中加载相同的模型权重(在CPU上运行该模型)时，我将在相同的测试数据上获得[('

浏览 0提问于2018-02-22得票数 2

回答已采纳

点击加载更多