我正在尝试使用Keras LSTM层训练一个简单的网络。 我知道LSTM可以使用可变的序列长度，而且我知道

我正在尝试在Python 3.5.2中实现序列学习|我的Windows 10机器上的Anaconda 4.2.0（64位）。我已经搜寻了互联网

<pre><code>model = tf.keras.Sequential([ tf.keras.layers.Embedding(1000, 16, input_length=20), tf.keras.layers.Dropout(0.2),

当我阅读文档时，LSTM单元已经忘记并记住了门。 但是，当我看一下架构时，为什么我们需要忘记和记住

我一直在尝试通过PyTorch上的个人项目自学RNN的基础知识。我想产生一个能够预测序列中下一个字符的简

我正在研究神经机器翻译（从Fr到En）。我开发了第一个模型（使用Quadro P5000 GPU 16278MiB），该模型是使用

我正在尝试为时间序列数据设置LSTM自动编码器/解码器，并在尝试训练模型时不断出现<code>Incompatible shape

我有一个嵌套列表的数据集，它们的长度都相同（大于120）。我只需要最新的120个<strong>有效</strong>值。

我正在尝试为LSTM RNN的运行找到直观的解释。我发现了许多论文和教程，它们描述了LSTM的体系结构和操

我希望我的cnn仅提取要进一步传递给lstm进行分类的功能，但不确定在合并后是否需要添加任何其他图层

我已经阅读了许多PyTorch教程，但是由于某些原因，我仍然从根本上迷上了一件事。 我的输入是一

我是ML的新手。我搜索了很多有关在LSTM中使用教师强制的信息。没有老师的强迫，LSTM可以很好地解决时

我正在执行时间序列预测任务，首先，我通过以前的50％数据训练了LSTM模型，我想通过新数据更新模型

我想构建一个神经网络，该神经网络将从CNN的最后一层（例如VGG或resnet）获取特征图，并连接一个附加

我知道大多数情况下如何在PyTorch中处理可变大小的序列数据。 例如，假设我们要根据一个人的过去位置

在使用LSTM给出一系列单词的情况下，我正在尝试在keras中创建一个猜测下一个单词的机器学习模型。这

我已使用以下代码在Tensorboard中根据自定义ROC-AUC分数回调获取的指标绘制了2个标量图。 <pre><code>for ep

我正在尝试使用pytorch复制<a href="https://arxiv.org/abs/1705.07750" rel="nofollow noreferrer">in this paper</a>中提出的ConvN

我正在尝试为能源需求预测训练LSTM，但是它花费的时间太长。我不明白为什么，因为该模型看起来“简

我正在使用以下Keras模型： <pre><code> # Create Model self.model = Sequential() self.model.add(LSTM(50, return_se