recurrent-neural-network

-2熱度

1回答

如何存儲數據以用於完全卷積網絡以及RNN？

TensorFlow具有parse_single_sequence_example函數，該函數可用於將SequenceExamples（即順序數據）提供給RNN。但是，對於我正在處理的問題，除了經常性模型之外，我還想嘗試完全卷積模型。我如何以一種能夠將數據輕鬆管道化到卷積模型和經常性模型的方式來存儲數據？ 要提供更多信息，我的數據具有以下形狀：[number of samples per mini

tensorflow recurrent-neural-network 2017-06-14

---

3熱度

2回答

ValueError異常：輸入0與層lstm_13不相容：預計NDIM = 3，發現NDIM = 4

我想多類分類，這裏是我的訓練輸入的細節和輸出： train_input.shape= (1, 95000, 360) (95000 length input array with each element being an array of 360 length) train_output.shape = (1, 95000, 22) (22 Classes are there) model =

python keras lstm recurrent-neural-network 2017-06-16

---

2熱度

1回答

如何並行RNN功能Pytorch與數據並行

下面是一個RNN模式來運行基於字符的語言生成： class RNN(nn.Module): def __init__(self, input_size, hidden_size, output_size, n_layers): super(RNN, self).__init__() self.input_size = input_size self.h

torch recurrent-neural-network pytorch 2017-06-16

---

1熱度

1回答

在MXNet中使用RNN的形狀不匹配 - R

我正在嘗試使用MXNet中的RNN進行分類。我的數據大致看起來像我創建的矩陣m0和m1。 m 0代表例如一個設備的能耗隨着時間的推移，而m1是我的標籤，告訴設備如何被分類（例如在這種情況下是二進制）。 我的目標是通過查看一段時間內的能耗來檢測設備的類別。 我不斷收到關於形狀不匹配的錯誤，並且通過更改輸入參數找不到解決方案。您可以在下面看到我的代碼和錯誤消息。 我很感激任何關於如何處理這個問題的建議

r deep-learning recurrent-neural-network mxnet 2017-06-17

---

0熱度

1回答

RNN和CNN在Tensorflow中的活動識別

我有一個使用3個傳感器進行活動識別的CNN。我堆疊傳感器的尺寸給我9個通道，並將時間序列數據分成每個窗口200個樣本。我給它喂2個CNN層，1個完全連接層和1個softmax層。 All in Tensorflow 現在我想用LSTM圖層替換完全連接的圖層。但我不知道如何實施它。如果我的最後一個卷積層有平坦的輸出，我怎麼把它送入LSTM層？我如何申請退學？ 因爲只見LSTM來回活動識別一個Gith

tensorflow conv-neural-network lstm recurrent-neural-network 2017-06-17

---

3熱度

1回答

時間分佈（密集）與密集在Keras - 相同數量的參數

我正在建立一個模型，使用週期圖層（GRUs）將字符串轉換爲另一個字符串。我已經嘗試了密集型和時間分佈（密集）層作爲最後一層，但我不明白使用return_sequences = True時兩者之間的差異，特別是因爲它們看起來具有相同數量的參數。 我的簡化模型如下： InputSize = 15 MaxLen = 64 HiddenSize = 16 inputs = keras.layers

machine-learning neural-network keras recurrent-neural-network keras-layer 2017-06-18

---

1熱度

2回答

'忘記大門'如何知道不要從LSTM中的單元狀態中刪除重要信息？

首先，我很抱歉如果這不適合堆棧溢出。這不是真正的代碼相關問題，而不是理論問題。 這並不完全清楚。假設你有一段很長的段落，你希望你的LSTM學習，它是如何確保它不刪除第一段的細節？

neural-network lstm recurrent-neural-network 2017-06-19

---

2熱度

1回答

LSTM向量到字符序列轉換

我期待構建一個序列到序列模型，它需要一個2048長度爲1s和0s的向量（例如[1,0,1,0,0,1 ，0,0,0,1，...，1]）作爲我的輸入並將其轉換爲我已知的（可變長度）1-20個長字符（例如GBNMIRN，ILCEQZG或FPSRABBRF）的輸出。 我的目標是創建一個模型，可以接受一個新的2048長度爲1和0的向量，並預測輸出序列的樣子。 我已經看過一些github存儲庫，如this和

machine-learning neural-network deep-learning lstm recurrent-neural-network 2017-06-19

---

0熱度

1回答

你如何實現可變長度遞歸神經網絡？

什麼是循環神經網絡（RNN）中的變長序列輸入的完整工作示例（不是片段）？ 例如，PyTorch可以實現將可變長度序列作爲RNN輸入，但似乎沒有完整工作代碼的例子。 相關： https://github.com/pytorch/pytorch/releases/tag/v0.1.10 https://discuss.pytorch.org/t/about-the-variable-length-in

machine-learning tensorflow neural-network recurrent-neural-network pytorch 2017-06-20

---

2熱度

1回答

如何在代碼中使用PyTorch PackedSequence？

有人可以給出一個完整的工作代碼（不是代碼片段，而是在可變長度循環神經網絡上運行的），你將如何使用PyTorch中的PackedSequence方法？ 在文檔，github或互聯網上似乎沒有任何這樣的例子。 https://github.com/pytorch/pytorch/releases/tag/v0.1.10

machine-learning torch recurrent-neural-network pytorch 2017-06-20

---