Вызов LSTM с учетом состояния в качестве функциональной модели?
У меня есть LSTM с состоянием, определяемый как последовательная модель:
model = Sequential() model.add(LSTM(..., stateful=True)) ... Позже я использую его как функциональную модель:
input_1, input_2 = Input(...), Input(...) output_1 = model(input_1) output_2 = model(input_2) # Is the state from input_1 preserved?
input_1 ли состояние от input_1 когда мы снова применяем model на input_2 ? Если да, как я могу сбросить состояние модели между вызовами?
- Массовое обучение машинам – Python или Java?
- Определение градиента относительно под-тензора в Theano
- scikit-learn: как уменьшить назад прогноз «y»
- Хотите знать diff среди pd.factorize, pd.get_dummies, sklearn.preprocessing.LableEncoder и OneHotEncoder
- Как мне подойти к этой задаче классификации имен?
Следуя примечанию об использовании состояния в RNN из этой ссылки и реализации Keras, ответ да, если:
-
batch_sizeв обеих моделях одинаковый (это важно из-за того, как Keras вычисляет внутренние состояния). - Сначала вы строили и компилировали обе модели, а затем использовали их – по какой-то причине Keras сбрасывает внутренние состояния во время
buildслоя (вы можете проверить его здесь , ища методreset_states).
Если вы хотите сбросить состояния, вы можете вызвать метод reset_states на каждом повторном уровне, на котором вы хотите сбросить состояния сброса.
- Интерпретация отрицательного сходства Word2Vec с gensim
- matplotlib scatter_hist с пошаговой историей в гистограмме
- функция loc в пандах
- Попытка написать мою собственную нейронную сеть в Python
- Размеры ввода Keras LSTM с одним вставкой для горячего текста
- Чтобы подсчитать частоту слова в нескольких документах python
- как извлечь правила принятия решения из дерева принятия решений scikit-learn?
- особенность Союз гетерогенных признаков
- Orange против NLTK для классификации контента в Python
- : обнаружение аномалий – альтернатива для OneClassSVM
- Самая быстрая реализация SVM, используемая в Python