我对LSTM如何处理输入有点困惑。 大家都知道,LSTM模型在Keras输入的形式(batch_size时,时间步长,input_dim)。 我的数据是一个时间序列数据,其中n个时间步长的每个序列被馈入以预测n + 1个时间步长的值。那么,他们如何访问输入?他们会按顺序处理每个步骤,或者同时访问所有这些步骤? 当我检查每个LSTM层的参数数量。它们有4 * d *(n + d),其中n是输入的维数,d是存储单元的数量。 在我的情况下,我有d = 10,参数的数量是440(没有偏见)。所以这意味着在这里n = 1,所以好像输入的维数为1 * 1。 然后他们可以自由地接触到所有人。 任何人有关于此的一些想法?Keras中的LSTM如何访问输入?
0
A
回答
1
首先,考虑卷积层(更容易)。
它具有只对“过滤器大小”,“输入通道”和“过滤器数”依赖参数。但从来没有在“图像的大小”。
这是因为它是一个有点“行走操作”。在整个图像中应用相同的一组滤镜。总的操作随着图像的大小而增加,但是仅定义了滤波器的参数独立于图像大小。 (设想一个过滤器来检测一个圆圈,这个过滤器不需要改变来检测图像不同部分的圆圈,尽管它适用于整个图像的每一步)。
所以:
- 参数:过滤器号*滤波器²*输入通道
- 计算步骤的大小:图像的尺寸(考虑进步,填充等)
随着LSTM图层,类似的事情发生。这些参数与他们所谓的“门”有关。 (Take a look here)
有一个“状态”,并且每次都迭代来确定的状态将如何改变在施加“门”。
的门不随时间变化的,虽然。这些计算确实是时间迭代,但每次迭代都使用同一组门。
相较于卷积层:
- 参数:细胞的数量,数据维度
- 计算步骤:时间步
相关问题
- 1. Keras中的LSTM输入
- 2. 如何设置输入LSTM在Keras
- 3. 整形Keras输入为LSTM
- 4. Keras重塑输入LSTM
- 5. Keras LSTM多维输入
- 6. Keras LSTM输入维度
- 7. 如何处理keras的输入和输出形状LSTM
- 8. 如何正确指定Keras中LSTM模型的输入形状
- 9. Keras-LSTM-输入大小错误
- 10. 如何在Keras中声明多个输入LSTM模型?
- 11. 使用Keras LSTM和Tensorflow时的输入形状问题
- 12. keras LSTM模型的输入和输出的尺寸不匹配
- 13. 了解不同序列的keras中的lstm输入形状
- 14. keras状态LSTM
- 15. 为keras LSTM
- 16. LSTM with keras
- 17. Keras中的一对多LSTM
- 18. 如何在keras中堆叠多个lstm?
- 19. Keras输入问题
- 20. Keras LSTM不训练
- 21. Keras LSTM的多维输入 - (用于分类)
- 22. 展开时Keras不兼容的输入尺寸LSTM
- 23. Keras LSTM/GRU语言模型的输入形状
- 24. Keras:从Keras文档LSTM漏失和LSTM复发性差
- 25. Keras LSTM输入功能和不正确的三维数据输入
- 26. 如何恢复Keras LSTM状态
- 27. 如何选择LSTM Keras参数?
- 28. Keras:嵌入层+ LSTM:时间维度
- 29. 连接嵌入式输入以反馈keras中的经常性LSTM
- 30. 如何访问keras中的类概率?
好的,谢谢你的回答。所以你认为在这种情况下什么是时间依赖的? – qnguyen
细胞的内部状态与时间有关。每个序列步骤都会改变内部状态。但我们通常不会看到或不关心。每一步都有:1 - 以某种方式改变这种内在状态; 2 - 使用此内部状态+输入(上一步的输出)来生成结果。 –