- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
当使用 SimpleRNN
或 LSTM
进行经典处理时 sentiment analysis算法(此处适用于长度 <= 250 个单词/标记的句子):
model = Sequential()
model.add(Embedding(5000, 32, input_length=250)) # Output shape: (None, 250, 32)
model.add(SimpleRNN(100)) # Output shape: (None, 100)
model.add(Dense(1, activation='sigmoid')) # Output shape: (None, 1)
哪里指定了RNN输入的哪个轴作为“时间”轴?
更准确地说,在 Embedding
层之后,给定的输入句子,例如“the cat sat on the mat”,被编码为形状为 (250, 32) 的矩阵 x
,其中 250 是输入的最大长度(以字为单位)文本和 32 嵌入的维度。然后,在 Keras 的哪个位置指定是否使用它:
h[t] = 激活(W_h * x[:, t] + U_h * h[t-1] + b_h )
或者这个:
h[t] = 激活(W_h * x[t, :] + U_h * h[t-1] + b_h)
(在这两种情况下,y[t] = activation( W_y * h[t] + b_y )
)
TL;DR:如果 RNN Keras 层的输入大小为 (250, 32),默认情况下它使用哪个轴作为时间轴? Keras 或 Tensorflow 文档中的何处对此进行了详细说明?
PS:如何解释参数个数(由model.summary()
给出)是13300? W_h
有 100x32 系数,U_h
有 100x100 系数,b_h
有 100x1 系数,即我们已经有 13300! W_y
和 b_y
没有系数了!怎么解释呢?
最佳答案
时间轴:一直为dim 1,除非time_major=True
,否则为dim 2; Embedding
层输出一个 3D 张量。这个可以看here其中 step_input_shape
是 recurrent loop 中每一步输入到 RNN cell
的形状.对于您的情况,timesteps=250
,并且 SimpleRNN 单元在每一步“看到”一个形状为 (batch_size, 32)
的张量。
# of params:您可以通过检查每一层的 .build()
代码来了解图形的派生方式:Embedding , SimpleRNN , Dense ,或者同样在每一层上调用 .weights
。对于您的情况,w/l = model.layers[1]
:
l.weights[0].shape == (32, 100)
--> 3200 个参数(内核
)l.weights[1].shape == (100, 100)
--> 10000 个参数 (recurrent_kernel
)l.weights[2].shape == (100,)
--> 100 个参数 (bias
) (sum: 13,300 )计算逻辑:没有W_y
和b_y
; “y”是隐藏状态,h
,实际上适用于所有循环层 - 您引用的内容可能来自通用 RNN 公式。 @“在这两种情况下……”——这是错误的;要查看实际发生的情况,请检查 .call()
代码。
附言我建议定义模型的完整 batch_shape
以进行调试,因为它消除了模棱两可的 None
形状
SimpleRNN 公式与代码:根据要求;请注意源代码中的 h
具有误导性,在公式(“预激活”)中通常为 z
。
return_sequences=True
-> 返回所有时间步的输出:(batch_size, timesteps, channels)
return_sequences=False
-> 仅返回最后时间步的输出:(batch_size, 1, channels)
。参见 here
关于python - Keras SimpleRNN/LSTM 默认使用哪个轴作为时间轴?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60571934/
我有兴趣在 tf.keras 中训练一个模型,然后用 keras 加载它。我知道这不是高度建议,但我对使用 tf.keras 来训练模型很感兴趣,因为 tf.keras 更容易构建输入管道 我想利用
我进行了大量搜索,但仍然无法弄清楚如何编写具有多个交互输出的自定义损失函数。 我有一个神经网络定义为: def NeuralNetwork(): inLayer = Input((2,));
我正在阅读一篇名为 Differential Learning Rates 的文章在 Medium 上,想知道这是否可以应用于 Keras。我能够找到在 pytorch 中实现的这项技术。这可以在 K
我正在实现一个神经网络分类器,以打印我正在使用的这个神经网络的损失和准确性: score = model.evaluate(x_test, y_test, verbose=False) model.m
我最近在查看模型摘要时遇到了这个问题。 我想知道,[(None, 16)] 和有什么区别?和 (None, 16) ?为什么输入层有这样的输入形状? 来源:model.summary() can't
我正在尝试使用 Keras 创建自定义损失函数。我想根据输入计算损失函数并预测神经网络的输出。 我尝试在 Keras 中使用 customloss 函数。我认为 y_true 是我们为训练提供的输出,
我有一组样本,每个样本都是一组属性的序列(例如,一个样本可以包含 10 个序列,每个序列具有 5 个属性)。属性的数量总是固定的,但序列的数量(时间戳)可能因样本而异。我想使用这个样本集在 Keras
Keras 在训练集和测试集文件夹中发现了错误数量的类。我有 3 节课,但它一直说有 4 节课。有人可以帮我吗? 这里的代码: cnn = Sequential() cnn.add(Conv2D(32
我想编写一个自定义层,在其中我可以在两次运行之间将变量保存在内存中。例如, class MyLayer(Layer): def __init__(self, out_dim = 51, **kwarg
我添加了一个回调来降低学习速度: keras.callbacks.ReduceLROnPlateau(monitor='val_loss', factor=0.5, patience=100,
在 https://keras.io/layers/recurrent/我看到 LSTM 层有一个 kernel和一个 recurrent_kernel .它们的含义是什么?根据我的理解,我们需要 L
问题与标题相同。 我不想打开 Python,而是使用 MacOS 或 Ubuntu。 最佳答案 Python 库作者将版本号放入 .__version__ 。您可以通过在命令行上运行以下命令来打印它:
Keras 文档并不清楚这实际上是什么。我知道我们可以用它来将输入特征空间压缩成更小的空间。但从神经设计的角度来看,这是如何完成的呢?它是一个自动编码器,RBM吗? 最佳答案 据我所知,嵌入层是一个简
我想实现[http://ydwen.github.io/papers/WenECCV16.pdf]中解释的中心损失]在喀拉斯 我开始创建一个具有 2 个输出的网络,例如: inputs = Input
我正在尝试实现多对一模型,其中输入是大小为 的词向量d .我需要输出一个大小为 的向量d 在 LSTM 结束时。 在此 question ,提到使用(对于多对一模型) model = Sequenti
我有不平衡的训练数据集,这就是我构建自定义加权分类交叉熵损失函数的原因。但问题是我的验证集是平衡的,我想使用常规的分类交叉熵损失。那么我可以在 Keras 中为验证集传递不同的损失函数吗?我的意思是用
DL 中的一项常见任务是将输入样本归一化为零均值和单位方差。可以使用如下代码“手动”执行规范化: mean = np.mean(X, axis = 0) std = np.std(X, axis =
我正在尝试学习 Keras 并使用 LSTM 解决分类问题。我希望能够绘制 准确率和损失,并在训练期间更新图。为此,我正在使用 callback function . 由于某种原因,我在回调中收到的准
在 Keras 内置函数中嵌入使用哪种算法?Word2vec?手套?其他? https://keras.io/layers/embeddings/ 最佳答案 简短的回答是都不是。本质上,GloVe 的
我有一个使用 Keras 完全实现的 LSTM RNN,我想使用梯度剪裁,梯度范数限制为 5(我正在尝试复制一篇研究论文)。在实现神经网络方面,我是一个初学者,我将如何实现? 是否只是(我正在使用 r
我是一名优秀的程序员,十分优秀!