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:from keras import Input, Mod
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。sequence
from keras</
我正在运行conda安装的Python3.8.10和Tensorflow 2.3.0,以及通过pip安装的Tensorflow插件v.0.13.0 (因为conda上的最新版本是0.9.1)。根据Tensorflow插件上的 GitHub自述文件,这些版本应该是兼容的。我创建了一组LSTM模型,并将它们保存为TF模型,如下所示:from t
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=2.1.0from tensorflo