recurrent-neural-network

3熱度

1回答

儘管經歷了multipleexamples，我仍然不明白如何使用Keras，similar to this question來分類不同長度的序列。我可以訓練檢測具有不同長度，使用屏蔽正弦頻率網絡： from keras import models from keras.layers.recurrent import LSTM from keras.layers import Dense, Ma

0熱度

1回答

MulticellRNN誤差Tensorflow

我Tensorflow 1.1.0 和我下面從https://github.com/ageron/handson-ml/blob/master/14_recurrent_neural_networks.ipynb在多小區基本教程（堆放）RNNs 下面的代碼生成一個奇怪的錯誤，我想不通爲什麼從搜索。 import tensorflow as tf n_inputs = 2 n_neurons =

0熱度

1回答

不同長度的錯誤分批序列

我使用Keras和TensorFlow後端。我剛剛想出瞭如何在不屏蔽的情況下訓練和分類不同長度的序列，因爲我無法掩蓋工作。在我正在使用的玩具示例中，我試圖訓練LSTM以檢測任意長度的序列是否以1開頭。 from keras.models import Sequential from keras.layers import LSTM, Dense import numpy as np de

3熱度

1回答

Tensorflow上的多維RNN

我試圖在人類行爲分類（RNN的一個軸上的關節和另一個時間上的關節）中實現二維RNN，並且一直在Tensorflow中尋找高低的東西做這項工作。我聽到GridLSTMCell（internally和externally貢獻），但無法得到它與dynamic_rnn工作（接受3 d張，但我不得不提供4-d張量[BATCHSIZE，MAX_TIME，num_joints， n_features]）。此

1熱度

1回答

返回Keras中RNN中所有時間步驟的所有狀態

我在Keras中實現了我自己的復發層，並且在step函數內部我希望能夠訪問所有時間步驟中的隱藏狀態，而不僅僅是最後一個狀態如默認，以便我可以做一些事情，比如及時向後添加跳過連接。我試圖修改tensorflow後端K.rnn內的_step以返回到目前爲止所有隱藏狀態。我最初的想法是簡單地將每個隱藏狀態存儲到TensorArray中，然後將所有這些狀態都傳遞給step_function（即我的層中的

1熱度

1回答

TimeDistributed（Flatten（））在Keras中給出相同的輸出形狀

我在Keras中有以下模型，TimeDistributed（Flatten（））（x）不起作用，它給出與輸出相同的形狀。我在Windows 10上使用帶有Tensorflow後端和Python 3.5.3的Keras的最新版本。我做錯了什麼？有其他解決方案嗎？ rnn_size = 128 input_tensor = Input((width, height, 3)) x = input

0熱度

1回答

更新在tensorflow一個經常性的神經網絡的初始狀態

目前，我有以下代碼： init_state = tf.Variable(tf.zeros([batch_partition_length, state_size])) # -> [16, 1024]. final_state = tf.Variable(tf.zeros([batch_partition_length, state_size])) And inside my inferenc

2熱度

1回答

爲RNN分批重塑ndarray

目標從2開始。從給定的數組我們接受輸入，目標是它的下一個元素。由於形狀只有到12輸入即將到來。我需要重塑形狀數組的輸入（批次數，2,2,3），其中批次數是len （文本）//（2 * 2 * 3），所以輸入的數量將被輸入[：批次數* 2 * 2 * 3] 將[ 8，9，10，11，12，13，14，15]轉換成 [ # First Batch [ # Batch

0熱度

1回答

Tensorflow SEQ2SEQ培訓突然超慢

我正在使用https://google.github.io/seq2seq/的代碼訓練seq2seq NMT（神經機器翻譯）。在我中斷訓練過程之後，重新啓動的過程變得非常慢（從1.2步/秒到0.07步/秒）。有其他人有這種經歷嗎？我該如何調試？我已經運行此數週，真的不想放棄...謝謝！〜正常訓練的最後一行， INFO:tensorflow:loss = 0.585205, step = 8308

1熱度

1回答

更改RNN中的'溫度'以生成文本

我最近遵循tutorial來製作RNN來生成文本：我完全複製了python代碼並理解它。我的模型已經訓練了20個時代和它產生的3個字很長的重複循環： "and the wour and the wour and the wour..." 我在安德烈Kaparthy的blog閱讀，改變RNN的溫度改變其信心：將溫度從1降低到某個更低的數值（例如0.5）會使RNN更有信心，但其樣本也更保守。