recurrent-neural-network

    0热度

    1回答

    我保存了一个基于循环神经网络的训练模型。当我运行以下函数'lstm_vector_predict()'时,即使加载相同的模型,它也会每次返回不同的值。预测值时,张量流是否使用一些随机数生成? import get_list_of_values_to_input import tensorflow as tf import tensorflow.contrib.learn as tflearn

    2热度

    1回答

    我有一个数据集跨越数百值关于温度。显然,在气象学中,预测未来的价值将基于过去会有所帮助。 我有以下状态模型,建于Keras: look_back = 1 model.add(LSTM(32, batch_input_shape=(batch_size, look_back, 1), stateful=True)) model.add(Dense(1)) model.compile(loss=

    0热度

    1回答

    我对张量流很陌生,我无法完全理解如何对张量进行整形,以便将输出作为单个数字。基本上,我的经常性网络应该猜测下一个数字。相反,每次预测它都会返回一个包含五个数字的列表?我想我的张量中有一个或更多是畸形的。 我的输入数据被格式化为大约2000列出了用5个特征的每个是这样的: [ np.array ([ [1],[2],[3],[4],[5] ]) ] 这是

    2热度

    1回答

    我正在尝试创建一个端到端的可训练离线英文手写识别模型(无需分割个别字符)。我正在使用IAM手写数据库中的单词数据集进行培训。 我试图降低学习率,增加批量大小等,但造成的损失不断没有/显著整体下降波动 - TensorBoard visualization for cost at each step 我是新来TensorFlow所以会犯一些幼稚的错误。使用的代码: class CRNN(object

    0热度

    1回答

    我有以下代码 flags = tf.flags logging = tf.logging flags.DEFINE_string('model', 'small', 'A type of model. Possible options are: small, medium, large.' ) flags.DEFINE_string('data_path

    0热度

    1回答

    考虑以下情况(图片)。我想开发人工智能,了解一个特定的事件和序列或它的链。 场景1: - 先将球传递给玩家1.然后玩家1可以抓住球或丢失球。 场景2: - 玩家1将球传递给玩家2.然后玩家2可以抓住球或丢失球。 还有更多的其他组合,但让我们限制到2场景。我的AI想要做的是,记住这两个场景和链条!每个场景发生了什么。 所以我期望从你那里知道的是,我该如何实现这种AI,我应该采用什么样的方法和技术来开

    0热度

    1回答

    在深度学习文献中,我遇到了很多使用堆叠式RNN(堆叠LSTM)网络的例子,虽然探索了细胞本身的细节,但通常没有关于堆叠式架构中的不同层是否共享权重的信息或不。 我试图理解的是,当作者没有指定这个时,默认行为是什么?我们是否应该假设他们已经分享了各层的权重?或者每个图层都有它自己的一组权重来表示它的单元格?

    1热度

    1回答

    我正在构建一个RNN模型来完成图像分类。我用一条管道输入数据。但是它返回 ValueError: Variable rnn/rnn/basic_rnn_cell/weights already exists, disallowed. Did you mean to set reuse=True in VarScope? Originally defined at: 我不知道我能做些什么来解决这

    0热度

    2回答

    我有麻烦抓住形状输入到网络的第一层。这是我的架构: # Model Hyperparameters filter_sizes = [1, 2, 3, 4, 5] num_filters = 10 dropout_prob = [0.5, 0.8] hidden_dims = 50 model_input = Input(shape=(X.shap

    2热度

    2回答

    我正在试图训练Keras LSTM模型来预测序列中的下一个数字。 有什么不对低于我的模型,我怎么调试,当一种模式是无法学习 我如何决定使用 ,我应该选择而损失和优化PARAMS凭什么这层类型编译 我的输入训练数据是形状(16000,10)等的下面 [ [14955 14956 14957 14958 14959 14960 14961 14962 14963 14964] [1