Почему размер выходного слоя LSTM может быть двухмерным или трехмерным?

почему размерность вывода LSTM равна 2 или 3, а размерность ввода LSTM всегда трехмерна?

machine-learning keras recurrent-neural-network
31.05.2019 05:20
Оптимизация производительности модели: Руководство по настройке гиперпараметров в Python с Keras
Оптимизация производительности модели: Руководство по настройке гиперпараметров в Python с Keras
Настройка гиперпараметров - это процесс выбора наилучшего набора гиперпараметров для модели машинного обучения с целью оптимизации ее...
Развертывание модели машинного обучения с помощью Flask - Angular в Kubernetes
Развертывание модели машинного обучения с помощью Flask - Angular в Kubernetes
Kubernetes - это портативная, расширяемая платформа с открытым исходным кодом для управления контейнерными рабочими нагрузками и сервисами, которая...
Udacity Nanodegree Capstone Project: Классификатор пород собак
Udacity Nanodegree Capstone Project: Классификатор пород собак
Вы можете ознакомиться со скриптами проекта и данными на github .
Определение пород собак с помощью конволюционных нейронных сетей (CNN)
Определение пород собак с помощью конволюционных нейронных сетей (CNN)
В рамках финального проекта Udacity Data Scietist Nanodegree я разработал алгоритм с использованием конволюционных нейронных сетей (CNN) для...
Почему Python - идеальный выбор для проекта AI и ML
Почему Python - идеальный выбор для проекта AI и ML
Блог, которым поделился Harikrishna Kundariya в нашем сообществе Developer Nation Community.
0
0
66
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Размер ввода LSTM должен быть описан с помощью (sample_number, unit_number, feature_number). Размерность вывода LSTM должна быть равна 3, когда задача «многие ко многим» и вы используете слой TimeDistributed, потому что return_sequence должно быть true, что означает, что вы получаете все значения скрытых состояний, а не только последнее значение по умолчанию.

31.05.2019 05:22

Другие вопросы по теме

Можно ли получить доступ к промежуточным слоям непосредственно в функции потери keras?
Несоответствие размеров на этапе клонирования модели окончательного экспорта Estimator
В чем смысл этого вывода в консоли, когда я запускаю model.fit_generator в Keras?
Попытка обучить сеть выдает: Отрицательный размер измерения, вызванный вычитанием 2 из 1 для max_pooling2d
Способы ограничения вывода проблемы регрессии NN определенным пределом (т.е. я хочу, чтобы моя NN всегда предсказывала выходные значения только между -20 и +30)
Вызов слоя слияния для пакетных данных в Keras (усреднение вывода слоя по пакету)
Почему мы используем numpy.argmax() для возврата индекса из массива предсказаний numpy?
Рассчитать отзыв для каждого класса после каждой эпохи в Tensorflow 2
Несовместимые размеры с GlobalAveragePooling2D()
Правильно ли это работает при прогнозировании следующего значения в керасе?

Похожие вопросы

Лассо-регрессия: функция непрерывного тяжелого шага
Невозможно делать прогнозы после рекурсивного исключения признаков
Почему мы используем numpy.argmax() для возврата индекса из массива предсказаний numpy?
Рассчитать отзыв для каждого класса после каждой эпохи в Tensorflow 2
Должен ли я выйти из цикла градиентного спуска, как только стоимость увеличится?
Keras: создание нейронной сети для нахождения модуля числа
Не могу понять эту ошибку «Неизвестный тип метки:« непрерывный-множественный вывод »»
Как определить oneHotEncoder для титанического набора данных
Получение счетчиков в MultiLabelBinarizer
Моя прогностическая модель RandomForestRegressor становится повторяющейся