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
print('Defining a Simple Keras Model...')
lstm_model=Sequential() # or Graph
lstm_model.add(Embedding(output_dim=300,input_dim=n_symbols,mask_zero=True,
weights=[embedding_weights],input_
我目前正在尝试实现一个LSTM自动编码器,以允许将事务时间序列(Berka数据集)压缩到较小的编码向量中。我正在处理的数据看起来像 (它是单个帐户在一段时间内的累计余额)。
我决定使用Keras,并尝试按照教程创建一个简单的自动编码器。这个模型不起作用。
我的代码是:
import keras
from keras import Input, Model
from keras.layers import Lambda, LSTM, RepeatVector
from matplotlib import pyplot as plt
from scipy import io
from sklear
我正在学习POS Tagger for African Language的教程,它使用了基于LSTM的分类器。运行代码时: import pandas as pd
import numpy as np
from keras.preprocessing import sequence
from keras.utils import to_categorical
from sklearn.model_selection import train_test_split
from keras.models import Sequential
from keras.layers import Dens
我想使用Keras进行LSTM预测。每次我运行先决条件步骤:导入库
from keras.callbacks import EarlyStopping, ReduceLROnPlateau, ModelCheckpoint, TensorBoard
将显示以下消息:
The kernel appears to have died. It will restart automatically.
当I:ìmport keras或import tensorflow时,也会出现同样的问题。
我使用的是MacOS版本11.2,16 GB内存。
我试图用NSL数据集建立一个递归的神经网络.当我运行下面的代码时,我一直得到层的ValueError: sequential_17的输入0与层:预期的ndim=3不兼容,找到了ndim=2。我不知道为什么,我可能和输入的形状有关?我不确定,因为我对python还不熟悉。我已经做了所有的数据预处理,如果这有帮助的话。
from keras.utils import np_utils
from keras.models import Sequential
from keras.preprocessing import sequence
from keras.layers import Dense,
嗨,我在google中做这段代码,我在python代码中有一个名为'tensorflow.python.keras.engine.base_layer_v1‘的错误No模块,其中包含张量流角。
我确实使用了tensorflow.keras而不是keras,因为我使用了tensorflow v=2.1.0和keras =2.3.0-TF
i tried both tensorflow v=2.1.0 and v=2.2.0-rc2
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras imp
我有一个简单的数据帧,并希望构建我的LSTM体系结构,这样我就可以进行异常检测
from numpy import array
from keras.models import Sequential, Model
from keras.layers import Input, Dense, LSTM, RepeatVector,TimeDistributed
from keras import optimizers
from keras.callbacks import EarlyStopping
X = array([0.1, 0.2, 0.3, 0.4, 25, 0.5, 0.6, 0.
因此,我正在尝试编写一个用于时间序列预测的多变量LSTM,在我的模型中,损失减少,但精度指标根本不变。我试着改变神经元的数量,层数,学习率,早期停止,输出层上的激活函数,以及l2正则化,但都没有效果。我是机器学习的初学者,所以任何帮助都是我的努力的appreciated.Most,就像在黑暗中扔石头一样。我将GitHub链接附加到我的代码中,以及一些训练时期。 # Importing the Keras libraries and packages
from keras.models import Sequential
from keras.layers import Dense
from
我正在使用Keras开发一个LSTM网络。我正在使用"gridsearchcv“优化参数,因为我不想对纪元参数进行网格搜索,所以我决定引入一个”提前停止“函数。不幸的是,即使我把"delta_min“设得很大,把"patience”设得很低,训练也不会停止。似乎训练阶段忽略了最早开始的回调。
gridsearchcv和earlystopping可能不兼容吗?
下面是我的代码:
import pandas as pd
import numpy as np
from sklearn.preprocessing import MinMaxScaler
from keras.m
为了重现,我使用的训练和验证数据集是shared here。 validation_dataset.csv是training_dataset.csv的基本原理。 下面我要做的是将数据集输入到一个简单的CNN层,该层提取图像的有用特征,并将其作为1D输入LSTM网络进行分类。 from keras.models import Sequential
from keras.layers import Dense, Flatten
from keras.layers.convolutional import Conv1D
from keras.layers import LSTM
from kera
我是LSTM的新手,所以我尝试用Keras编写一个简单的情感分类脚本。然而,我无法理解输出。
这是我的情感分类代码:
import keras
from keras.models import Sequential
from keras.layers import Dense, Activation, LSTM, Embedding
from keras.callbacks import EarlyStopping, ModelCheckpoint
es = EarlyStopping(monitor='val_loss', patie
我正在尝试建立CNN-LSTM来预测价格,但我在尝试建立模型时收到错误信息。错误消息是
Please initialize 'TimeDistributed layer' with a 'tf.keras.layers.Layer' instance. You passed: <keras.layers.core.Flatten object at 0x7fc70c70f250>
这是我的CNN-LSTM模型
model = Sequential()
model.add(TimeDistributed(Conv1D(filters=64, kerne
我是机器学习的初学者,一直在尝试使用LSTM根据12个特征分为4个类别。我已经学习了相当多的教程,但我仍然有点困惑。我的数据集有12列,我希望将其用于训练,其中包括标签列,该列具有与每个类对应的值。
0=1类
1=2类
2=3类
3=4类
这是我的代码:
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler
import time
# For LSTM model
from keras.models import
我正在开发一个基于LSTM的编码器-解码器拼写纠正模型,该模型提供了4600000行的训练数据。训练文件由两列组成-正确和错误的句子。当数据小到200000时,该模型工作得很好。但是当我增加它的时候,训练不会超过2个时期。它有时会给出terminate called after throwing an instance of std::bad_alloc错误,有时训练会在没有任何错误或警告的情况下停止。我试着使用这个,但它不起作用。也许我用错了。
keras.clear_session()
我也尝试过将latent_dim和batch_size的值减少到128,64,32,16,8,4,1,
当切换到双向层时,我的代码给出一个错误。该模型在使用标准LSTM层时有效。我得到的错误是:
File "<ipython-input-22-1e9000cb0bf6>", line 12, in <module>
model.build(input_shape)
ValueError: Input 0 is incompatible with layer bidirectional_11: expected ndim=3, found ndim=2
我的代码如下所示:
input_shape = (lengtharray,1)
model = Seque
我正在尝试用tf.Dataset作为我的数据集来拟合Keras模型。我指定了参数steps_per_epoch。但是,出现了此错误:ValueError: When using iterators as input to a model, you should specify the 'steps_per_epoch' argument.此错误使我感到困惑,因为我将steps_per_epoch参数指定为数据集的长度。我已经尝试了None以及小于我的数据集长度的整数,但都没有用。
下面是我的代码:
def build_model():
'''
import re
from collections import Counter
from itertools import chain
import numpy as np
import pandas as pd
from nltk.corpus import stopwords
from sklearn.metrics import mean_absolute_error as mse
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegressio
我刚接触过keras,并且尝试使用它,但是,我在进口方面有问题。
我可以导入以下所有软件包:
import pandas as pd
import numpy as np
from sklearn.preprocessing import MinMaxScaler
from tensorflow.keras.models import Model
from tensorflow.keras.optimizers import Nadam
from tensorflow.keras.layers import Input, LSTM, Dense
from tensorflow.keras.ca
使用带有csv数据模型的Keras处理LSTM,如下所示
我用下面的代码训练它
import numpy as np
def to_sequences(seq_size, obs):
x = []
y = []
for i in range(len(obs)-SEQUENCE_SIZE-1):
#print(i)
window = obs[i:(i+SEQUENCE_SIZE)]
after_window = obs[i+SEQUENCE_SIZE]
window = [[x] for x in
当我通过声明性方法而不是函数方法定义我的模型时,Keras给出了不同的结果。这两个模型看起来是等价的,但是使用".add()“语法是可行的,而使用声明性语法会产生错误--每次都有不同的错误,但通常是这样的:A target array with shape (10, 1) was passed for an output of shape (None, 16) while using as loss `mean_squared_error`. This loss expects targets to have the same shape as the output.输入形状的自动转换
我有以下的时间序列,我分为火车,瓦尔和测试:
📷
基本上,我对ARIMA和LSTM进行了关于这些数据的培训,结果完全不同,就预测而言: ARIMA:
📷
LSTM:
📷
现在,也许我是通过了,在某种程度上,测试设置为LSTM,以便表现得更好?或者LSTM仅仅是比ARIMA更好?下面是一些代码。请注意,为了在将来进行预测,在训练和预测: ARIMA代码之前,我要在我的系列中添加新的和最后的预测值:
# Create list of x train valuess
history = [x for x in x_train]
# establish list for predictions
mo
我正在尝试将LSTM应用于HP新闻数据集。数据是JSON格式(https://www.kaggle.com/rmisra/news-category-dataset)。我尝试过这段代码,但遇到了错误。不知道这段代码出了什么问题? from keras.layers import LSTM, Activation, Dense, Dropout, Input, Embedding
from keras.optimizers import RMSprop
from keras.preprocessing.text import Tokenizer
from keras.preprocessing