我想建立一個使用Keras的LSTM網絡。 我的時間seriese例子的大小爲492。我想用3前面的例子來預測下一個例子。因此,輸入轉換爲尺寸(num_samples,3*492),輸出尺寸爲(num_samples,492)。 據this blog,我首先將我的數據大小爲形式的(num_samples,時間步長,功能) #convert trainning data to 3D LSTM sha
我寫一個神經元用於確定手寫數字 import numpy as np
from keras.utils import np_utils
from keras.models import model_from_json
from keras.preprocessing import image
import matplotlib.pyplot as plt
json_file = ope
我使用Keras作爲(字符)序列到序列RNN應用程序。由於我有一個相對較少的A - > B例子,以及更多的B例子,我決定嘗試一種自動編碼器方法:首先訓練一個網絡來學習B上的身份函數,爲成員產生一個嵌入的B,然後訓練一個網絡來學習A - >嵌入(B)。通過將第二個網絡與第一個網絡的解碼器一半相結合,希望它能夠推廣生產合理的Bs。 的代碼中,Building Autoencoders in Keras