Πώς να χρησιμοποιήσετε Conv2D και LSTM στρώματα με Κεράς;

ψήφοι
0

Έχω ένα μοντέλο που λειτουργεί με Conv2D χρησιμοποιώντας Κεράς, αλλά θα ήθελα να προσθέσω μια LSTM στρώμα. Αυτό είναι τα δεδομένα που χρησιμοποιώ:

  • x_train με σχήμα (13984, 334, 35, 1 )
  • y_train με σχήμα (13984, 5 )

μοντέλο μου χωρίς LSTM είναι:

inputs = Input(name='input',shape=(334,35,1))
layer = Conv2D(64, kernel_size=3,activation='relu',data_format='channels_last')(inputs)
layer = Flatten()(layer)
predictions = Dense(5, activation='softmax')(layer)
network = Model(inputs=inputs, outputs=predictions)
network.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

Ποιος είναι ο σωστός τρόπος για να προσθέσετε ένα LSTM στρώμα λίγο πριν από την Πυκνό στρώμα;

Προσπάθησα να χρησιμοποιήσετε TimeDistributed ή Ανασχηματισμός / μεταθέτει, αλλά έχω πάντα λάθη.

Δημοσιεύθηκε 27/11/2018 στις 17:35
πηγή χρήστη
Σε άλλες γλώσσες...                            


2 απαντήσεις

ψήφοι
0

Η μέθοδος εξηγείται από το χρήστη deKeijzer λειτουργεί. Έχω βρει έναν άλλο τρόπο για να λύσει το πρόβλημα. Είναι να χρησιμοποιήσετε ένα στρώμα Ανασχηματισμός (αναμόρφωση του (334,35)) αμέσως μετά την τελευταία στρώση Conv2D και στη συνέχεια προσθέστε στρώματα LSTM.

Απαντήθηκε 05/12/2018 στις 19:21
πηγή χρήστη

ψήφοι
0

Φαίνεται πως η ερώτησή σας είναι παρόμοια με αυτή που είχα χθες. Η απάντηση μπορεί να βρεθεί εδώ: Κεράς λειτουργική API: Συνδυάστε το μοντέλο CNN με RNN για να δούμε ακολουθίες εικόνων

Απαντήθηκε 27/11/2018 στις 18:06
πηγή χρήστη

Cookies help us deliver our services. By using our services, you agree to our use of cookies. Learn more