回答情况：
提问时间：
问题标签：
以下是代码model.add(LSTM(256, input_shape=(None, 1), return_sequences=True))model.add(Dense(1))model = Sequential()
model.add(LSTM(512, input_s
浏览 62提问于2019-07-29得票数 2
下面是我创建LSTM模型的方法： num_LSTM_nodes, dropout_ratemodel.add(LSTM(num_LSTM_nodes, return_sequences=True )) model.addi+1 == num_LSTM_layers-1
浏览 37修改于2019-11-18得票数 2
我不知道为什么我们只有32大小的输出矢量，而LSTM 100呢？Model.add(LSTM(100))
浏览 0修改于2018-05-12得票数 1
回答已采纳
我在两者之间有以下代码段 with tf.variable_scope("Bi-lstm"): dtype=tf.float32) 现在我想使用Cudnn LSTM而不是普通的LSTM。在Cudnn LSTM的文档中，有一个额外的参数"num_
浏览 51提问于2019-10-12得票数 0
我目前正在学习LSTM和RNN。我使用了堆叠式LSTM，它给了我一个比单一LSTM更好的性能。根据我的理解，如果我增加LSTM的深度，隐藏单位的数量也会增加。意思是太合适了，对吧？那为什么我会得到更好的结果？
注:我曾使用过BatchNorm和Dropout在每堆LSTM之后
浏览 0提问于2019-03-25得票数 1
1回答
LSTM是如何发现某个特定的单词已经发生的。就像经典的字母表，我们有列序。但是在LSTM中，由于每个单元格接收不同的单词，它如何知道某个特定的单词已经发生了？但是当我们使用LSTM时，这是怎么可能的。因为LSTM单元根据观察到的单词接收输入。由于没有维护的索引，LSTM如何知道word的出现？
浏览 0提问于2022-06-09得票数 0
1回答
我想知道是否有人能帮助我如何用我的数据( EEG )来喂养LSTM。我有来自306个频道的1400次试验，长度为600分。1-我想创建一个LSTM网络，在每个时间步骤t中，第一层接受所有通道的输入(所有EEG通道最初被输入到同一个LSTM层)。另外，另一个网络由几个306个LSTM组成，每个LSTM在第一层只连接到一个输入信道，第二编码层然后通过接收所有信道LSTM的级联输出矢量作为输入来执行信道间分析。
谢谢
浏览 4提问于2017-05-19得票数 1
回答已采纳
1回答
有人能告诉我那些堆叠的LSTM层之间的区别吗？📷
第一图像在这个问题中给出，第二图像在这篇文章中给出。到目前为止，我所了解的关于堆叠LSTM层的知识是基于第二张图像的。当您构建LSTM层时，其中一个层(即h^{1}_{l}, l=..., t-1, t, t+1...)的输出成为其他层的输入，这称为堆栈。在叠层LSTM中，每个LSTM层输出一个向量序列，这些向量将用作后续LSTM层的输入。然而，在第一图像中，输入变量再次被输入到第二层。有人能告诉我，像第一张图像中给出的那样，堆叠<
浏览 0修改于2019-03-08得票数 2
回答已采纳
1回答
在用于建模IMDB ()的LSTM上的keras示例中，在输入到LSTM层之前有一个嵌入层：嵌入层到底是做什么的？在这种情况下，这是否意味着LSTM层输入序列的长度为128？如果是这样，我是否可以将LSTM层写成：但是还需要注意的是，输入X_trai
浏览 4修改于2020-01-03得票数 6
1回答
我正在努力学习LSTM，并在LSTM层的结构和输入/输出方面做了一些努力。(128, return_sequences=True, name="lstm1")(inp)我的理解是，第一层("lstm1")将以输入为形状(50，10)。在1000次观测中，每次一次。这10个特性如何输入到LSTM</
浏览 0提问于2019-02-18得票数 6
([tf.keras.layers.Embedding(tokenizer.vocab_size, 64),tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(64,return_sequences=True)) tf.keras.layers.Dense但是如何将其提供给一个32个隐藏单元的LSTM。会不会导致形状不匹配错误？
浏览 6修改于2020-08-16得票数 0
我正在尝试实现这种LSTM体系结构，它来自于"Dropout改进了用于手写识别的递归神经网络“：
在本文中，研究人员将多方向LSTM层定义为“四个并行应用的LSTM层，每个层具有一个特定的扫描方向build_merged_lstm_conv_layer(lstm_conv, mode='concat'):
return Merge([lstm_conv, lstm_conv, lstm_conv(ls
浏览 2修改于2016-12-12得票数 1
我试图同时实现字符和单词lstm，但我一直收到这个错误： InvalidArgumentError: indices[310,0] = 119 is not in [0, 119)char_enc = TimeDistributed(LSTM(units=20, return_sequences=False,
# main <e
浏览 67修改于2021-01-18得票数 1
我们的想法是添加一个LSTM词性标记器字符级特性，但我似乎无法实现它。他们给出了一个提示，应该涉及两个LSTM，一个将输出字符级表示，另一个将负责预测词性标签。= nn.LSTM(embedding_dim_chars, hidden_dim_chars) char_embeds.view(
浏览 19修改于2018-02-19得票数 2
1回答
我试着理解LSTM输入已经有一段时间了，我想我理解了，但是我一直对如何实现它们感到困惑。在指定LSTM时，可以指定单元格数和输入形状(我对输入形状有问题)。有状态的LSTM保留它的内部状态直到重置。是这样的吗？
如果是这样的话，我在试图为我的网络指定输入形状时有很多困惑。这是因为我试图升级一个当前的网络，我不知道如何和在哪里指定输入形状没有错误。我试图改变它，因为它添加了一个LSTM，它将CNN扁平的1D输出作为一个批次和一个时间步骤，其特性取决于CNN输出的大小。然后将其输出与C
浏览 8提问于2020-12-29得票数 0
回答已采纳
1回答
我使用的是LSTM，当我对数据进行回测时，它可以很好地拟合图形。import numpy as npfrom keras.layers import LSTM= np.reshape(testX, (testX.shape[0], 1, testX.shape[1]))
model.add(<em
浏览 5提问于2021-01-13得票数 1
1回答
我正在尝试预测一个时间序列，并寻找一些关于如何使用这个LSTM预测2021 -2025年的指导 我想知道是否有一句简单的话我遗漏了将预测延伸到数据集之外。train_y.shape, test_X.shape, test_y.shape)
print(train_X.shape, train_y.shape, test_X.shape, test_y.shape)
mode
浏览 43提问于2020-09-30得票数 1
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号