當我第一次在Keras上訓練序列數據中的LSTM時 - 我的訓練數據 - ,然後用model.predict()
來預測我的測試數據作爲輸入,LSTM的隱藏狀態是否仍在調整?當用Keras中的LSTM進行預測時,隱藏狀態是否仍在調整?
0
A
回答
1
神經網絡的基本操作是將連接到輸出的輸入(矢量)與連接相連,有時還包括其他層(如上下文層)。這些連接被建模爲矩陣並且強度不同,我們稱這些爲重量矩陣。
這意味着我們在向網絡饋送數據時唯一要做的事情是將矢量放入網絡中,將這些值與權重矩陣相乘並調用輸出。在特殊情況下,例如經常性網絡,我們甚至會將一些值保存在其他向量中,並將此存儲值與當前輸入結合起來。
在訓練過程中,我們不僅向網絡輸入數據,還計算了一個我們用聰明方式評估的誤差值,以便告訴我們應該如何改變加權矩陣(我們可以將我們的輸入相乘)復發層)。
因此:是,當然基本的執行行爲不會改變爲復發層。我們只是不更新權重了。
有些層在執行期間的行爲有所不同,因爲它們被視爲regularisers,即使網絡訓練更有效的方法,在執行期間被認爲是不必要的。這些層的例子是Noise
和BatchNormalization
。幾乎所有的神經網絡層(包括經常性網絡層)都包括退出,這是另一種形式的正則化,它禁止層中的隨機連接百分比。這也僅在培訓期間完成。
+0
謝謝你澄清,我想我得到了隱藏狀態和相應的重量matricies混合起來。 –
相關問題
- 1. 在keras的LSTM中使用隱藏狀態而不是輸出
- 2. 初始化LSTM隱藏狀態Tensorflow/Keras
- 3. keras狀態LSTM
- 4. Keras何時在調用model.predict時重置LSTM狀態?
- 5. 使用LSTM進行預測
- 6. Keras - 有狀態vs無狀態LSTM
- 7. 用LSTM中的不同時間步長預測使用keras
- 8. Tensorflow RNN-LSTM - 重置隱藏狀態
- 9. LSTM多對一預測使用keras輸入形狀
- 10. Keras + LSTM/RNN:與新的預測
- 11. 當狀態欄隱藏旋轉時調整視圖
- 12. Keras中的LSTM的時間序列預測
- 13. Keras LSTM預測1個時間步長在一個時間
- 14. 如何恢復Keras LSTM狀態
- 15. 用於預測Keras未來時間序列值的lstm
- 16. 用於時間序列預測的Keras LSTM:預測特徵向量
- 17. 隱藏狀態欄仍佔用空間
- 18. 二元Keras LSTM模型不輸出二進制預測
- 19. Keras LSTM RNN預測 - 向後轉換擬合預測
- 20. Keras中的LSTM是否支持動態句子長度?
- 21. keras中LSTM的形狀不匹配
- 22. 整形Keras輸入爲LSTM
- 23. LSTM與Keras進行小批量培訓和在線測試
- 24. 當LSTM狀態重置
- 25. 當隱藏狀態欄時不要調整導航欄的大小
- 26. 使用帶Keras的LSTM神經網絡預測天氣數據
- 27. LSTM Keras中的多對一預測示例
- 28. 當在IE8上執行windows.open時,無法隱藏狀態欄
- 29. 的時間序列預測使用Keras LSTM:維錯誤號:預計3,拿到了2形狀
- 30. 在Highcharts中隱藏默認狀態行
「調整」是什麼意思? – nemo
在model.predict()期間,測試預測的輸出是否被反饋回節點或者沒有遞歸? –