lstm 예제코드

이전 게시물에서는 컨볼루션 신경망을 구축하고 단어 삽입을 수행하기 위해 Keras를 소개했습니다. 다음 단계는 Keras에서 재발하는 신경망을 구현하는 것에 대해 이야기하는 것입니다. 내 이전 튜토리얼에서, 나는 TensorFlow에서 구현 된 반복 신경망과 장기 기억 (LSTM) 네트워크에 대한 매우 포괄적 인 소개를했다. 이 자습서에서는 Keras에서 LSTM 네트워크를 만드는 데 집중하여 LSTM의 작동 방식에 대한 요약또는 개요를 간략하게 설명합니다. 이 Keras LSTM 자습서에서는 PTB 모음이라는 큰 텍스트 데이터 집합을 활용하여 시퀀스 간 텍스트 예측 모델을 구현합니다. 이 자습서의 모든 코드는 이 사이트의 Github 리포지토리에서 찾을 수 있습니다. 모델은 단일 샘플에 대한 예측을 만들 수 있습니다. 데이터 집합의 끝을 넘어 다음 두 단계를 예측할 수 있습니다 입력을 제공 하 여: 공유 예제주셔서 감사 합니다. 도로 속도를 예측하기 위해 (도로 속성, 날씨, 날짜 시간, 인접 도로 속도, 목표 도로 속도 등)과 같은 교통 정보를 수집했습니다. 현재 는 한 단계뿐만 아니라 다단계 예측에 대해 Vanilla LSTM 모델을 사용하여 코드를 준비했습니다. 당신은 더 높은 정확도로 도로 속도 예측에 가장 적합한 아래 모델에 대한 저를 제안 할 수 있습니까? 나는이 튜토리얼에서 많은 것을 배웠습니다.

감사! 그냥 하나의 질문. 이미지에서 „LSTM 샘플 다수 분류기“, 인덱스가 x0에서 이동해야 … x35, 마찬가지로 h0 … h35. 현재 그림에서는 배치 내에 피드백이 있는 이유를 이해하지 못합니다(예: 크기 20인 행 간에). 명확히하십시오. 감사. LSTM에서 시퀀스를 반환하는 것이 좋습니다. 다른 게시물에서 아래 인코더 디코더 모델을 사용 하는 경우 첫 번째 LSTM의 출력은 무엇입니까? 우리는 거의 항상 여러 샘플을 가지고, 따라서, 모델은 차원이나 모양을 가지고 학습 데이터의 입력 구성 요소를 기대합니다 : 마지막 인코더 디코더 모델에서, 나는 입력 및 출력의 다른 기능이있는 경우, 내가 같은 코드를 변경하는 것이 정확하다 이? 모델 = 순차적() model.add(LSTM(200, 활성화=`relu`, input_shape=)(n_steps_in, n_features_in)) 모델.add(반복 벡터(n_steps_out)) 모델.add(LSTM(200, 활성화=relu`, return_sequences=True)) model.add(시간 분산(고밀도)_ features_out))) model.compile(optimizer=`adam`, loss=`mse`) 예측된 단어와 실제 단어 사이에 완벽한 대응이 없는 데에도 불구하고 대략적인 서신이 있고 예측된 하위 문장이 적어도 일부를 만든다는 것을 알 수 있습니다. 문법 감각. 그래서 결국 그렇게 나쁘지 않습니다.

그러나 이 사실적이고 큰 텍스트 모음에서 잘 수행할 수 있는 Keras LSTM 네트워크를 교육하려면 더 많은 교육과 최적화가 필요합니다. 난 당신이 원하는 경우 더 실험, 독자, 당신에게 그것을 떠날 것이다. 그러나 현재 코드는 LSTM 네트워크 뒤에 있는 이론에 대한 이해와 함께 Keras LSTM 네트워크를 구축하는 방법을 이해하기에 충분합니다.