lstm

    0熱度

    1回答

    定義我的神經網絡和訓練我的模型後: net = tflearn.input_data(shape=[None, 1, 1]) tnorm = tflearn.initializations.uniform(minval=-1.0, maxval=1.0) net = tflearn.lstm(net, timesteps, dropout=0.8) net = tflearn.fully_

    1熱度

    1回答

    我正在嘗試使用LSTM神經網絡對生物序列進行一些二元預測。但是由於某些原因,序列中有一些元素不能分配給我的任何類別標籤。我的第一個想法是簡單地跳過這些元素,但在使用旨在捕獲長期依賴關係的方法時,似乎並不是一種很好的方法。你有過類似的問題嗎? 更具體地: DEAQFKECYDTCHKECSDKGNGFTFCEMKCDTDCSVKDVKEKLENYKPKN 是一個示例序列 00000000000000

    1熱度

    1回答

    摘要`X`的維度,麻煩 我有麻煩能後,我輸入數據提供合適的尺寸爲預測模型已經正確生成。 我收到以下錯誤: ValueError: Error when checking : expected lstm_13_input to have shape (None, 40, 39) but got array with shape (1, 39, 39) 背景 使用蟒蛇作爲我的虛擬環境 Keras版

    -1熱度

    1回答

    我必須使用腳步的歷史日常序列來預測狂歡節每日的腳步,給出當天公園的主題。數據如下所示 - 鑑於這些日子的主題,我想實施多對多的LSTM來預測9,10,11的流量。上表僅用於瞭解數據和問題。 如果你能給我解決這個問題的方法,這將會非常有幫助。謝謝。

    0熱度

    1回答

    我是深度學習的初學者。我正在使用keras庫實施LSTM,預測天氣數據,我有訓練和測試數據。刪除一些變量後,我的輸入數據具有以下形狀。 ('X_train', (117, 22)) ('y_train', (117,)) ('X_test', (13, 22)) ('y_test', (13,)) 現在,我喂這個數據到下面的LSTM代碼,但無法弄清楚輸入形狀,在這裏我面對的麻煩。下面給出

    2熱度

    2回答

    我正在嘗試學習LSTM。採取了這個網絡課程,閱讀這本書(https://machinelearningmastery.com/lstms-with-python/)和很多博客......但是,我完全卡住了。我的興趣在於多元LSTM,我已經閱讀了所有我能找到但仍然無法獲得的內容。不知道我是愚蠢的還是什麼... 如果這個確切的問題和一個很好的答案已經存在,那麼我很抱歉雙重發布,但我看了,並沒有找到它.

    0熱度

    1回答

    我想爲我的LSTM RNN單元提供兩種類型的輸入。我的輸入由整數列表組成(即[5,2,3,4,6,1,0, ...])。 但是,每個整數分爲2個不同的組,所以我想用[[5,True],[2,False], [3,False], [4,True], ... ]這樣的方式標記每個整數。 我看到了輸入由相同類型的常量組成,輸入維數爲2或更大的情況。但我不確定是否有兩種不同類型可以輸入1個單位,如[5,T

    0熱度

    1回答

    我試圖在Philly集羣上運行我的模型,該集羣使用了與py34一起使用CNTK v2beta15。有人可以指點我關於該特定版本的文檔,因爲很多命令和CNTK v2.0(stable)的例子都不適用於Philly。另外,我在本地安裝v2beta15時遇到了問題。我下載了二進制文件,並試圖在機器崩潰時運行install.bat。 任何解決方案都會非常有幫助!

    1熱度

    1回答

    我已經在這個數據與一排 sample feat1 feat2 feat3 feat4 feat5 feat6 feat7 1 1 200 250 312 474 1 2 170 280 370 ... 1 12 220 400 470 520 620 720 2 1 130 320 430 580 612 ... N 12 70 180 270 410 變化元

    1熱度

    1回答

    我對神經網絡相當陌生,並沒有太多的經驗。我的問題如下: 我有一個數組,每個數據點有877個不同的數據點,200個特徵。它是一個PCA簡化的TfIdf矩陣,其中每行對應於我的數據集中的一段文本(如段落本身)。我正在嘗試爲此數據(類1或0)創建二進制分類器。我已經成功地得到了從低到80%的準確率中旬線性SVM,並且約80%的準確度有一個簡單的密集NN如下: model = Sequential()