我有一个2D输入(如果其中一个考虑样本的数量),我想要应用一个角化层来接受这个输入并输出另一个2D矩阵。因此,例如,如果我有一个带有大小的输入(ExV),学习权重矩阵将是(SxE)和输出(SxV)。我能用密层做这个吗?第一层是什么也不做。它只是给Lambda层提供一个输入:from keras.layers.core import Reshape,Lambda
from
该 of PyTorch似乎为递归神经网络提供了可变输入长度的PackedSequence。然而,我发现要正确使用它有点困难。利用pad_packed_sequence恢复由pack_padded_sequence提供的神经网络层的输出,得到T x B x N张量outputs,其中T是最大时间步长,B是批处理,N是隐藏大小。我发现,对于批处理中的短序列,随后的输出都是零。
这是我的问题。对于单个输出任务,其中一个任务需要所有序列的最