如何解决Tensorflow:将LSTM转换为日期时间格式达到100%
我创建了一个双向seq2seq端编码器/解码器网络,该网络旨在将不同的日期类型格式化为德语日期时间格式,例如: day_write_out,day.month.year
例如,我有字符串 1992年12月27日,并且我希望模型能够预测 1992年12月27日星期日。
训练后,模型的有效精度达到 98%。进一步的调查表明,该模型几乎总是预测日期本身正确,但是 却不能提取正确的日期。因此,它预测的不是 1992年12月27日星期天,而是预测了 1992年12月27日星期三。 只有5%的日子可以正确预测。
我认为问题在于我使用的LSTM,即使它是双向的,但是由于日期是被预测的第一个元素,因此该模型没有大量信息来预测正确的日期,因为在时间步长上0该模型尚未看到任何日期值。这是正确的吗?
所以我的问题是,为什么该模型无法预测正确的日期?能够一次读取整个序列的Transformer体系结构是否可以解决此问题?
谢谢
解决方法
我认为问题在于我使用的LSTM,即使它是双向的,但是由于日期是被预测的第一个元素,因此该模型没有大量信息来预测正确的日期,因为在时间步长上0该模型尚未看到任何日期值。
尝试生成1992年12月27日-星期三,看看是否有任何作用。
老实说,我认为任何模型都无法使用该数据正确预测
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。