我在为TensorFlow中的文本分类构建堆叠LSTM模型时感到迷惑。 我输入的数据是这样的: x_train = [[1.,1.,1.],[2.,2.,2.],[3.,3.,3.],...,[0.,0.,0.],[0.,0.,0.],
...... #I trained the network in batch with batch size set to 32.
]
我一直在尝试实现基于LSTM的分类器来分类分离语音。我创建了13 mfcc的特征向量。对于给定的文件有[99,13]的二维矢量。在遵循mnist_irnn示例之后,我可以设置单层RNN来对我的语音文件进行分类。但是现在我想为网络添加更多图层。因此,我一直试图实现具有两个LSTM层和softmax层作为输出层的网络。在查看帖子数量之后,我可以按如下方式设置网络,在建模时间期间它不会抛出任何异常。 f
试图在张量流中实现最小的玩具RNN示例。 目标是学习从输入数据到目标数据的映射,类似于这个精彩的简洁example in theanets。 更新:我们到了那里。剩下的唯一部分是使其趋于一致(并且不那么复杂)。有人可以帮助将以下内容转换为运行代码或提供一个简单的示例吗? import tensorflow as tf
from tensorflow.python.ops import rnn_c