在给定的数据中，温度非线性地增加到一定的极限，然后降低。它看起来类似于下图：Temperature trend 为了创建LSTM模型，我附加了3个数据文件，在0和1之间缩放数据，并在考虑到200个时间步的情况下重塑输入和输出数据。包含所有选项和回调后，如下所示： early_stop = EarlyStopping(monitor='loss',mode='min',verbose=1,restore_best_weights=t
浏览 15提问于2020-08-09得票数 0
所以我正在做一些研究，有很多物体的速度和加速度数据，这些数据是两个人一起在房间里移动的。以前，我已经成功地使用LSTM和RNN训练了一个时间序列预测神经网络，以获得对未来某一时间步的对象速度的预测。在训练了这个神经网络之后，我对它进行了扩充，以使用预测以及之前的数据来预测未来的另一个时间步长，依此类推，持续一定数量的时间步长。我已经添加了一张这是什么样子的图形，。基本上，我使用之前的数据(大小为N个
浏览 4提问于2017-08-02得票数 0
回答已采纳
我正在重新训练一个更快的rcnn初始coco模型，用于检测货架上产品的品牌。数据集大小为15个类，每个类至少有100个注释框。图片总数为300张。
如何提高模型的召回率？我是否应该改用更快的rcnn ras (它具有更高
浏览 1提问于2018-04-21得票数 0
2回答
我正在尝试创建一个keras LSTM来预测时间序列。我的x_train的形状像3000,15,10 (示例，时间步长，特征)，y_train像3000,15,1，我正在尝试建立一个多对多模型(每个序列10个输入特征就是1个输出/序列)。我使用的代码是这样的： 10, return_sequences=True))
model.add(
浏览 3提问于2017-10-25得票数 0
1回答
我尝试在Keras中使用带有LSTM层的自动编码器模型来检测文本异常值。我已经将每个句子编码成一个数字序列，每个数字代表一个字母。到目前为止，我已经训练了一个具有固定长度输入的模型，通过向4000个序列中的每个序列填充零，直到maxlength = 40，从而使用4000,40,1形状的阵列(batch_size，时间步长，特征)来训练模型。目前，我已经标准化了每个序列，因此我的训练</em
浏览 17提问于2019-09-20得票数 2
回答已采纳
我尝试使用CNTK和TF在虚拟数据集上实现char分类模型，这两种模型在一个完美的数据集上都达到了100%的准确率(目前我不担心过度拟合)。但是，一旦完成了培训并将模型保存到文件中并恢复，模型似乎忘记了它们的培训，并且在相同的数据集中表现很差。
我比较了LSTM的重量和偏差，以及训练后和恢复后的致密层，它们完全匹配。我觉得还有别的东西需要修复(LSTM</
浏览 1提问于2018-05-28得票数 2
回答已采纳
1回答
编辑后添加:我找到了我认为可行的解决方案：
from keras.layers import Convolution2D pre
浏览 1提问于2017-09-28得票数 0
回答已采纳
如果一个新的值x即将出现，我将把它输入网络并预测下一个值。因此，将return_sequenze参数设置为True的set模型不能工作，因为在实际应用中，在实际应用中，t没有用于i>t的数据点x_i。📷的理解Timelags
如果我们的步长为3(在一对多的网络中)，我们将得到输入/输出示例([x_0,x_1,x_2], x_3),([x
浏览 0提问于2018-08-31得票数 22
我还想在过滤之后，我的人工智能模型是0(非欺诈)/1(欺诈)分类模型。我想用1/181改变我的神经网络.因为数据量只是一天
我该如何训练神经网络？如果我只使用了一天的数据，运行了许多时代(时间)，它将过度适合.通过早停，似乎一天的数据列车不是.足够.我想像LSTM这样的记忆可能需要我的神经网络..。什么样的神
浏览 0提问于2020-06-11得票数 1
回答已采纳
我希望将所有行的单个时间步长的数据重构为按小时计算的滞后时间步长。其思想是LSTM将从一个小时到一个小时进行批量训练(从310033行x 1个Timestep x 83个变量到310033行x 60个Timestep x 83个变量)。然而，我的模型的损失是奇怪的(训练损失随着时代的增加而增加)，并且训练精度从单一时间步长下降到滞后时间步长。这让我相信我做错了这个
浏览 28提问于2021-07-19得票数 1
2回答
我理解普通RNN和LSTM层的基本前提，但是我很难理解特定的训练技术要点。但这并不特别典型，是吗？我可能想让RNN对不同长度的句子进行操作。当我在一些语料库上训练它时，我会给它一批不同长度的句子。我想最明显的事情就是找出训练集中任何序列的最大长度，然
浏览 0提问于2018-01-06得票数 120
当我训练了几个时期的模型，并想为更多的时期再次训练它时。Adam优化器是如何工作的。它会从t =0开始初始化时间，还是会保存最后一个时间步长？variable <- variable - lr_t * m_t / (sqrt(v_t) + epsilon)
由于很长一段<em
浏览 16提问于2017-03-13得票数 2
1回答
我正在训练一个LSTM网络模型，使用媒体特性进行手语识别。
我在定义模型时遇到了问题，因为视频有不同的长度。在训练模型时，会出现错误。我需要Keras层的正确设置。事实上，我发现的所有解决方案都来自LSTM模型，这些模型具有可变的时间步长，但只有一个特征(例如一个单词)或视频输入具有多个特性，但对于所有视频都具有相同的稳定时间步长</em
浏览 3提问于2022-06-10得票数 0
回答已采纳
目标
使用tensorflow，我试图训练一个LSTM模型，用于对数据进行一定次数的迭代，即每个样本有N个时间步骤，然后随着模型的训练，缓慢地增加每个样本的时间步骤数。因此，RNN模型可能首先考虑了每个训练样本的4个时间步骤。经过一段时间的训练后，成绩就会下降。现在我想用8个时间步骤继续训练这个模型。这基本上是
浏览 0提问于2017-05-30得票数 2
回答已采纳
1回答
我的Tensorflow图采用了Batch size，Time step，Image，并实现了一个深度CNN-LSTM，目前它在分类之前是一个时间分布的密集层。在我之前的工作中，我通过加权时间步长的隐藏状态，成功地将注意力添加到更好的模型时间依赖性上。但是，我找不到任何尝试在多对多RNN中使用注意力的实现。我尝试了下面的代码，它可以编译和运行，但比没有运行的模型性能更差。这里的想法是学习每个步骤的注
浏览 58提问于2019-03-19得票数 1
是否有一种方法可以使用经过训练的RNN (SimpleRNN或LSTM)模型来生成Keras中的新序列？
我试图修改课程深度学习专业- 课程中的一个练习，在该课程中，您训练一个RNN生成恐龙的名字。在本练习中，您只使用numpy构建RNN，但我想使用Keras。其中一个问题是序列的长度不同(dino名称)，因此我使用填充，并将序列长度设置为数据集中出现的最大大小(我填充了0，这也是‘\n’的代码)。
浏览 1提问于2019-11-19得票数 1
回答已采纳
但LSTM真的让我摸不着头脑，我觉得这可能是因为我对递归神经网络总体上没有很好的掌握。我已经看过了Hinton和Andrew Ng在Coursera上的课程。很多东西对我来说还是没有意义。010递归神经网络会先取最右边的0和1，输出1。然后取1,1，输出0，并进位1。取下一个0,0，输出1，因为它携带上次计算的1。它将这个% 1存储在哪里？我可能错了，但据我所知，递归神经网络相当于具有T个隐藏层的前馈神经网络，T是时间步数。每个隐藏层在</em
浏览 1提问于2014-07-23得票数 7
2回答
我一直在试图找出这些问题的答案，但我只找到了相互矛盾的信息。变压器作为一个整体是否自回归？解码器呢？我知道在推理过程中译码器进行了自回归，但我不确定在训练期间。以下是一些说法：
在测试阶段，变压器解码器的目标输入是什么？https://towardsdatascience.com/illustrated-guide-to-transformers-step-by-step-explanation-f74876522bc0
浏览 0提问于2021-11-15得票数 8
1回答
我已经使用以下代码训练了一个LSTM：def sample(self, tf.float32).eval(
浏览 0提问于2016-06-30得票数 1
1回答
在我的数据中，我有很多用户，它们有很多序列，如下所示： X Labels当我只使用一个用户时，我就成功了。实际上，我做了一个lstm输入，例如(批处理大小、时间步长、特征)，其中批处理大小等于1，因为我有一个用户，而时间
浏览 3提问于2017-06-10得票数 0
回答已采纳
云服务器
ICP备案
实时音视频
对象存储
云直播
腾讯云开发者
