lstm

    0

    1答えて

    私はLSTMネットワークをsin関数に適合させようとしています。現在、私がKerasを理解する限り、私のコードは次の値を予測するだけです。このリンクによれば、Many to one and many to many LSTM examples in Kerasは多対1モデルです。しかし、私の目標は、多対多のモデルを実装することです。基本的に、私は10の値を与えられた時間に予測することができるように

    0

    1答えて

    私はこの点についてたくさんの投稿を読んでいます。彼らはお互いに矛盾していて、すべての答えは異なっているように見えるので、私はそれらのすべてを分析して尋ねると考えました。 Keras RNNドキュメントの状態として、の入力形状は常に(batch_size, timesteps, input_dim)です。私はそれについて少し混乱していますが、私は確信していませんが、はデータの次元でもありますが、in

    0

    1答えて

    私は、入力番号のリストに対してテンソルフローLSTM回帰モデルを実装しようとしています。 例: TIMESTEPS = 20 num_hidden=20 Xd, yd = load_data() train_input = Xd['train'] train_input = train_input.reshape(-1,20,1) train_output = yd['train']

    2

    1答えて

    私は、スピーチ感情認識の深いニューラルネットワークに取り組んでいます。私はCTCの損失を伴うケラらの双方向LSTMを使用しました。私はモデルを訓練し、それを model_json = model.to_json() with open("ctc_model.json", "w") as json_file: json_file.write(model_json) model.save_weight

    0

    1答えて

    私は、Penn Treebank(PTB)コーパスに基づいてLSTMで言語モデルをトレーニングしようとしています。 私は、コーパス内のすべてのバイグラムを訓練して、前の単語の次の単語を予測できるようにする必要があると考えていましたが、複数の先行する単語に基づいて次の単語を予測することはできません。 言語モデルを訓練するのはどういうことでしょうか? バッチサイズ= 20、ボキャブラリサイズが1000

    0

    1答えて

    私はKerasを使ってネットワークを構築しています。このプロセスでは、LSTM入力を受け取り、何もせず、入力とまったく同じ結果を出力するレイヤーが必要です。 LSTMの各入力レコードは[[A_t1、A_t2、A_t3、A_t4、A_t5は、A_t6]]、私はレイヤーを探していているようならば、すなわち: model.add(SomeIdentityLayer(x)) SomeIdentityL

    1

    1答えて

    私は、基本的にLSTMとTFを使用した単純なシーケンスジェネレータであるTFの知識を固めるために、非常に単純なRNNプロジェクトを開始しました。プロジェクトは単なる多対一のシーケンス生成であり、入力は4つの整数ウィンドウであり、出力は各ウィンドウに対して1つの浮動小数点しか持たない。入力の最小数は1で、最大は61であるため、61から順に予測できます。私は、形状[58,4,1]と形状[58,1]の出

    0

    1答えて

    私はLSTMの新しいアーキテクチャを模索しています。私は、IMDBの映画レビューや正弦波など、よく使用されるデータセットをいくつか見てきましたが、一般化しやすいデータセットは見つかりませんでした。 MNISTが畳み込みネットワークの「こんにちはの世界」なら、LSTMの同等のデータセットは何でしょうか?

    0

    1答えて

    私はKerasでLSTM(ステートフル)を使って時系列問題に取り組んでいます。 私は40,000サンプルを持ち、64のバッチサイズを使用し、振り返って7日間です。だから私のテンソルの形状は(64、7、6)6は特徴の数です。 私の質問は、バッチサイズ= 64と言うときです。 Keras LSTMでのサンプルの選択最初の64サンプルとそれに続く64サンプルか、サンプルを625ウィンドウ(40000/6

    2

    1答えて

    私は「Livelinet:教育映像の活気を予測するためのマルチモーダル深層反復ニューラルネットワーク」から構造を実装しようとしています。 簡単な説明として、10秒のオーディオクリップを10秒のオーディオクリップに分割し、その1秒のオーディオクリップからスペクトログラム(写真)を取得します。次に、CNNを使用してピクチャからリプレゼンテーションベクタを取得し、最終的に各1秒のビデオクリップの10個の