recurrent-neural-network

0熱度

1回答

解釋tensorflow輸出的困難dynamic_rnn

我試圖在張量流中實現基於LSTM細胞的RNN。我在每一行中都有一個單詞序列，這些單詞組成了一個名爲labels（它是1或0）的特徵和一列作爲目標的列。我在解釋dynamic_RNN的輸出時遇到困難。 dynamic_RNN返回輸出和狀態。 我已經將我的數據分成了256個批次。我已將每行的填充/切片 的統一長度設置爲160.然後將它們嵌入（使用手套），以便每個單詞變成一百維矢量。在這之後，我的每個例

python tensorflow recurrent-neural-network 2017-01-30

---

11熱度

1回答

Keras RNN帶有LSTM單元，用於根據多個輸入時間序列預測多個輸出時間序列

我想用LSTM單元對RNN進行建模，以基於多個輸入時間序列預測多個輸出時間序列。具體來說，我有4個輸出時間序列y1 [t]，y2 [t]，y3 [t]，y4 [t]，每個輸出時間序列的長度均爲3000（t = 0，...，2999）。我也有3個輸入時間序列，x1 [t]，x2 [t]，x3 [t]，每個都有3000秒的長度（t = 0，...，2999）。我們的目標是預測Y1 [T]，.. Y4

python neural-network keras recurrent-neural-network 2017-01-30

---

3熱度

1回答

Tensorflow Session.Run（）張量對象不可調用

我有一個rnn模型已經通過tensorflow的ptb_word對ptb example進行了培訓。 貝婁我有一個代碼，我試圖打印幾個例子來測試訓練的模型。當我在生產線上運行此代碼時出現錯誤TypeError: 'Tensor' object is not callableprobs, state = sess.run([mtest.output_probs(), mtest._final_sta

python tensorflow neural-network deep-learning recurrent-neural-network 2017-02-02

---

5熱度

2回答

批次與時間主要LSTM

當輸入是批次主要而不是時間主要時，RNN是否學習不同的依賴模式？

python tensorflow deep-learning lstm recurrent-neural-network 2017-02-09

---

0熱度

1回答

Tensorflow - 批處理中的LSTM狀態重用

我正在研究使用LSTM跟蹤參數（時間序列數據迴歸問題）的Tensorflow NN。一批訓練數據包含批量大小爲的連續觀察值。我想使用LSTM狀態作爲下一個樣本的輸入。所以，如果我有一批數據觀測，我想將第一個觀測的狀態作爲第二個觀測的輸入，等等。下面我將lstm狀態定義爲size = batch_size的張量。我想重用內狀態的批次： state = tf.Variable(cell.zero_st

tensorflow lstm recurrent-neural-network 2017-02-09

---

3熱度

1回答

在Keras中使用有狀態的LSTM與微型配料和可變時間步長的輸入？

我在Keras是新，並試圖執行此網絡 該網絡需要一個視頻幀爲x = {X1，........，XT}其中T是數量在視頻和x中的幀是幀的視覺特徵尺寸2048 我試圖使用有狀態LSTM作爲每個樣品具有如審閱here 幀數的 ，這是我的模型 x = Input(batch_shape=(1, None, 2048), name='x') lstmR = LSTM(256, return_sequenc

deep-learning keras lstm recurrent-neural-network 2017-02-10

---

5熱度

1回答

狀態雙向RNN如何在Keras中工作

在Keras中，Bidirectional RNN的包裝也支持stateful=true。我真的不知道這應該如何工作： 在一個有狀態的單向模型中，一批的狀態轉移到下一批。我猜它對於雙向模型中的前向層是一樣的。 但是後向層從哪裏得到它的狀態？如果我正確地理解了一切，它應該在技術上從「下一批」中獲得它的狀態。但顯然「下一批」還沒有computet，那麼它是如何工作的？

deep-learning keras recurrent-neural-network bidirectional 2017-02-15

---

2熱度

1回答

Keras pretrain有時間分佈的CNN

這是我的問題，我想在TimeDistributed圖層中使用pretrain CNN網絡之一。但是我有一些問題來實現它。 這裏是我的模型： def bnn_model(max_len): # sequence length and resnet input size x = Input(shape=(maxlen, 224, 224, 3)) base_model

python tensorflow keras recurrent-neural-network resnet 2017-02-18

---

0熱度

1回答

導入tensorflow錯誤tf.nn.rnn_cell

我使用的是Tensorflow 1.0.0和Python 3.5。 當我嘗試這樣做： cell = tf.nn.rnn_cell.BasicRNNCell(state_size) 我得到以下錯誤： AttributeError的 <ipython-input-25-41a20d8458a7> in <module>() 1 # Forward pass 2 print

machine-learning tensorflow deep-learning recurrent-neural-network 2017-02-19

---

2熱度

1回答

Keras的第二層（但不是第一層）的輸入形狀錯誤LSTM

EDITED爲簡明起見。 我想在 https://keras.io/layers/recurrent/ from keras.models import Sequential from keras.layers import LSTM 建立一個LSTM模型，工作過的文檔，例如下面三行代碼（加註釋）直接從文檔的鏈接採取以上： model = Sequential() model.add(LS

python tensorflow keras lstm recurrent-neural-network 2017-02-19

---