- 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?
我想预测球的下落轨迹。该轨迹是抛物线的。我知道 LSTM 对此可能太多了(即更简单的方法就足够了)。我认为我们可以用 2 个 LSTM 层和最后一个密集层来做到这一点。
我想要的最终结果是给模型 3 个高度 h0、h1、h2 并让它预测 h3。然后,我要给它h1,h2,和它之前输出的h3来预测h4,以此类推,直到我能预测出整个轨迹。
首先,第一个 LSTM 层的输入形状是什么?会是 input_shape = (3,1) 吗?其次,LSTM 是否能够预测抛物线路径?
我得到的几乎是一条平线,而不是抛物线,我想排除我误解了如何输入和塑造输入的可能性。
谢谢
最佳答案
输入形状的形式为 (samples, timeSteps, features)
。
你唯一的特征是“高度”,所以features = 1
。
由于您要输入不同长度的序列,因此可以使用 timeSteps = None
。
因此,您的input_shape
可以是(None, 1)
。
由于我们将在下面使用 stateful=True
层,因此我们可以使用 batch_input_shape=(1,None,1)
。选择您想要的“样本”数量。
您的模型确实可以预测轨迹,但可能需要不止一层。 (关于多少层和单元的确切答案取决于了解 LSTM 内部的匹配如何工作)。
训练:
现在,首先您需要训练您的网络(只有这样它才能开始预测好的事情)。
对于训练,假设您有一系列 [h1,h2,h3,h4,h5,h6...]
,正确序列中的真值。 (我建议你实际上有很多序列(样本),所以你的模型学得更好)。
对于这个序列,你想要一个预测下一步的输出,那么你的目标就是[h2,h3,h4,h5,h6,h7...]
因此,假设您有一个形状为 (manySequences, steps, 1)
的 data
数组,您可以:
x_train = data[:,:-1,:]
y_train = data[:,1:,:]
现在,您的图层应该使用 return_sequences=True
。 (每个输入步骤都会产生一个输出步骤)。然后你用这些数据训练模型。
在这一点上,无论您使用的是 stateful=True
还是 stateful=False
都不是很相关。 (但如果为真,您始终需要在每个纪元和序列之前使用 model.reset_state()
)
预测:
为了进行预测,您可以在模型中使用 stateful=True
。这意味着当您输入 h1
时,它将产生 h2
。当您输入 h2
时,它会记住“当前速度”(模型的 state
)以预测正确的 h3
。
(在训练阶段,有这个并不重要,因为你是一次输入整个序列。所以在长序列的步骤之间可以理解速度)。
您可以将方法 reset_states()
设置为 set_current_speed_to(0)
。只要您要输入的步骤是序列中的第一步,您就会使用它。
然后你可以像这样做循环:
model.reset_states() #make speed = 0
nextH = someValueWithShape((1,1,1))
predictions = [nextH]
for i in range(steps):
nextH = model.predict(nextH)
predictions.append(nextH)
有an example here ,但使用两个特征。不同之处在于我使用了两个模型,一个用于训练,一个用于预测,但是您只能使用一个具有 return_sequences=True
和 stateful=True
的模型(不要忘记在训练的每个时期开始时 reset_states()
)。
关于deep-learning - Keras LSTM 输入 - 预测抛物线轨迹,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47079455/
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!