长期短期记忆。一种神经网络架构,包含可以记住任意时间长度值的循环NN块。深度NN非常受欢迎的构建块。
PyTorch LSTM:我应该使用小批量大小还是单批量,但在计算损失时随机删除 n 个观察值?
据我了解,小批量大小的想法相当于在每一步将模型仅拟合到所有训练数据的一部分(一个时期由许多步骤组成,具体取决于批量大小)...
如何将图像序列输入到卷积层并在之后应用 conv-lstm 单元?
我目前正在尝试实现以下论文:https://research.nvidia.com/sites/default/files/publications/dnn_denoise_author.pdf 我在调整网络方面遇到了麻烦,目前
假设我有这 7 个时间序列样本: 1,2,3,4,5,6,7 我知道每个样本与其之前的两个样本之间存在某种关系。这意味着当您知道两个早期样本是 1,2 时,您可以 p...
我在 3D 数据集上训练了 LSTM 模型,现在我尝试在模型和数据集上应用 SHAP 以获得更高级的见解。 我对所有 SHAP 功能做了很多测试,但似乎没有......
长话短说: 如何为tensorflow master github实现的lstm对象检测再训练准备数据。 很长的故事: 大家好, 我最近发现实现了 lstm 对象检测...
Pytorch LSTM 时间序列,接下来 n 行的预测值返回相同的值 n 次
我正在尝试创建一个 LSTM 模型来预测接下来 10 行的特定值(数据集的第一列,idx 0)。输入序列包含 10 行时间序列和 19 个特征 为了...
通过减少 val_loss 和增加 val_accuracy 来改进模型?
我目前正在对视频进行二元分类,并努力了解如何减少模型的 val_loss 并增加模型的 val_accuracy。我很确定我现在的状态
我正在测试 LSTM 自动编码器在 2D 输入异常检测方面的不同实现。 我的问题不是关于代码本身,而是关于理解每个网络的底层行为......
我想为我的分类特征构建一个带有嵌入的单层 LSTM 模型。我目前有数字特征和一些分类特征,例如位置,它不能是独热的
我已在 google colab 中使用 GPU 调整此代码来创建多层 LSTM。它用于时间序列预测。 从 keras.models 导入顺序 从 keras.layers 导入密集 来自 keras.layers imp...
为什么 import cntk as C 在 google colab 中不起作用
我安装了opencv版本3.4.4,安装了cntk,导入到google collab给出了以下结果。 将 cntk 导入为 C /usr/local/lib/python3.6/dist-packages/cntk/cntk_py_init.py:56:
Pytorch nn.LSTM:运行时错误:对于未批处理的 2 维输入,hx 和 cx 也应该是 2 维,但得到了(3 维,3 维)张量
我正在尝试编写一个英语到西班牙语的 seq2seq 翻译器,包括 LSTM 编码和 LSTM 解码层。 在转发过程中,我收到以下错误: 运行时错误:对于
我目前有一个具有多个特征的数据集,其中每一行都是一个时间序列,每一列都是一个时间步。例如: 我应该如何重新调整数据以便我可以正确地表示
类似 Tensorflow RNN 的神经网络不会像 Mac M1 上那样进行训练
我正在Tensorflow官网上学习python深度学习工具。 尝试构建几个文本分类网络,按照教程进行。但 LSTM 不能正常工作。 将 numpy 导入为 np ...
我正在尝试弄清楚 PyTorch LSTM 如何获取输入。我已阅读文档,但我希望有更有经验的人来确认或更正我迄今为止收集到的内容。 首先,让我们建立
X = [] Y = [] 对于文档中的行: 单词 = line.split() line_length = len(字数) if line_length > 1: # 排除 1 个单词或更少的行 input_sequence = [word_to_index.get(w...
我正在尝试在 google colab 中为我的 NLP 项目“导入缩写”,但它不起作用。 我的问题的原因是什么以及解决方案
我一直在研究用于时间序列预测的多元 LSTM 模型,但遇到了一个问题,即预测输出没有表现出足够的可变性或“起伏”。预...
如何让训练有素的 LSTM 预测了解即将发生的已知特殊事件?
我根据每日销售数据训练了 LSTM 模型,包括对销售影响很大的假期和特殊活动(作为二进制指标)。但是,当模型在测试集之外进行预测时,它......
我想训练AI,但是遇到了squeeze dim的错误,怎么解决?
我正在研究 LSTM 神经网络编码,如下所示: hist = model.fit(训练, 标签,batch_size=16, epochs=1000) 但它遇到了一个错误: ValueError:无法挤压暗淡[1],预计尺寸为...