慢慢理解LSTM

最新推荐文章于 2021-01-27 06:52:29 发布
最新推荐文章于 2021-01-27 06:52:29 发布
阅读量274 收藏
点赞数
分类专栏： pytorch LSTM
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/github_38657489/article/details/83900460
版权

由**问题引入

S：想做轨迹预测这样的，比如我输入运动目标前t时段的轨迹，然后我想预测t+1---t+8时段的轨迹，我的输出只能得到一个时刻的值然后再把这个值进行预测循环吗 。。。。 还是直接在模型训练的时候 我的output值其实应该是t+1---t+8时段的轨迹，训练好以后 我再输入新的数据，然后如果是 keras的话就model.predict 得到一段时间的值呢？

XS：看你要一次多點 還說一次一點自己拼時間軸 都可以試試吧。

CK：你有N个神经元，那么你的数据就是1*N的，LSTM每次输出一个预测值。

S：这个能理解，但是输出的时候 因为带了时间 所以这1*N的数据，也是有顺序的对吗？

CK：对

S：但是我老是不明白，LSTM的话，看结构，你这个输出是最后的输出吗，还是即时输出？

S：按这个图来看的话， 一个矩形 是一个LSTM，这三个是一层吧?还是说这个整体叫做一个LSTM？

CK：每个神经元一个输出，做分类的话大家一般取最后一个输出，你有多少个神经元就有多少个LSTM

最低0.47元/天 解锁文章
yvette_yu
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
LSTM中timesteps的理解
07-04
这个文档有一个比较直观的关于时间步的理解，对于初学RNN网络的人来说，其中有些概念比较难懂，希望这个能帮助大家。
lstm的理解到位篇
机器学习
05-17 616
https://yq.aliyun.com/articles/69845
lstm 的timestep_如何理解LSTM中的time step？
weixin_28837357的博客
01-27 2876
更正下答案：训练和测试的数据必须长度一致，因为rnn里weights的shape是和timestep的长度对应的(旧答案请忽略)rnn分类器里使用的训练和测试确实都是一个长度。如果不一致可以用0填充。如果用tf自己封装rnn的话，可以灵活的处理，但是输入的时候一般还是会用pad标记(一般是0)填充。有个特殊例子是出现在seq2seq上的，因为两种语言的句子长度变化比较大，所以用了分组的方式去重排数...
keras中 LSTM 的 [samples, time_steps, features] 最终解释
dielucui7698的博客
05-15 827
I am going through the following blog on LSTM neural network:http://machinelearningmastery.com/understanding-stateful-lstm-recurrent-neural-networks-python-keras/ The author reshapes the input v...
TensorFlow中RNN实现的正确打开方式
周红伟讲AI
09-05 1万+
上周写的文章《完全图解RNN、RNN变体、Seq2Seq、Attention机制》介绍了一下RNN的几种结构，今天就来聊一聊如何在TensorFlow中实现这些结构，这篇文章的主要内容为： 一个完整的、循序渐进的学习TensorFlow中RNN实现的方法。这个学习路径的曲线较为平缓，应该可以减少不少学习精力，帮助大家少走弯路。 一些可能会踩的坑
理解 LSTM 网络及其变体
08-28
"理解 LSTM 网络及其变体" LSTM（Long Short-Term Memory）网络是递归神经网络（Recurrent Neural Network，RNN）的变体，它们能够学习长期依赖关系，从而解决传统 RNN 无法解决的问题。LSTM 网络可以被认为是一种...
理解 LSTM 网络1
08-08
LSTM（Long Short-Term Memory）网络是一种特殊的循环神经网络（Recurrent Neural Network，RNN），设计用于处理序列数据，并能有效地捕捉长期依赖性。在自然语言处理、语音识别、机器翻译等领域，LSTM的表现通常...
深入理解LSTM
10-12
深入理解RNN和LSTM，对LSTM的解剖深刻，每一个公式意义说明详细。
简单理解LSTM长短期记忆网络
01-06
要想较好理解LSTM请先查看之前写的RNN的简单理解文章。在传统RNN训练经常会出现无法解决长期依赖、梯度消失和梯度爆炸的问题，学习能力有限，在实际任务中的效果往往达不到预期效果。此时引入LSTM，LSTM是RNN的一种...
深入理解LSTM：构建高效序列模型的实用指南.zip
最新发布
05-22
通过深入理解LSTM的基本原理和构建高效LSTM模型的实用指南，我们可以更好地利用这一工具来解决实际问题。未来，随着深度学习技术的不断发展和完善，LSTM及其变体将在更多领域发挥重要作用。我们期待看到更多创新性的...
lstm原理+timesteps理解+实操+时间序列多变量
henielh的博客
06-25 1万+
原理 李宏毅老师讲RNN LSTM 视频 很好地讲述了lstm的原理。 timesteps理解 lstm的样本：样本数，时间步长，特征数量，在时间序列中如何转化？ 对于多变量时间序列的预测，最后一段解释了。 y~y-1 y-2 y-3 x-1 x-2 x-3 假定样本数600，一个因变量，6个自变量（yx的滞后项） 那么，可以这样写： （600，1，6）：timesteps为1，不进行记忆的传递，特征数为6. （600，6，1）：timesteps为6，只有一个特征，但是记忆传递6次 这取决于我们的自变量特
LSTM
weixin_43758551的博客
04-17 134
LSTM 论文 原文http://colah.github.io/posts/2015-08-Understanding-LSTMs/ 翻译 https://www.jianshu.com/p/9dc9f41f0b29/ https://blog.csdn.net/Jerr__y/article/details/58598296 lstm+tf https://yq.aliyun.com/arti...
RNN和LSTM中batchsize和timestep的区别是什么?
空字符
05-12 9552
RNN和LSTM中batchsize和timestep的区别是什么？ 首先需要明确的概念是：batchsize指的是一次喂入网络的样本数，属于样本数量上的概念；而timestep指的是每个样本内包含有多少个时刻（步长），属于每个样本内部的概念。既然题主提出了这样的疑问，说明对于LSTM的细节之处尚有困惑之处，因此下面先大致说一下一个RNN和LSTM单元内部的参数情况，再以基于LSTM的MINIST手写体分类这个例子来说明。 1 RNN和LSTM单元到底长啥样 1.1 RNN单元 以tensorflow中的实
Tensorflow LSTM连续序列预测方法实践
_wells的博客
07-25 6208
本文展示了如何使用循环神经网络去估计一个向量序列，我们会使用到LSTM的网络。我在网上找的 大多数用到LSTM的例子都是用来解决自然语言处理方面问题的，还没有找到相关的例子可以用在预测连续 值序列上，所以写下了本文。 所以本文的任务是基于历史观察数据去预测一系列连续的实数。传统的神经网络做不到这一点，但是循环神经 网络可以解决该问题，因为他们能够存储历史信息来预测未来事件。
对循环神经网络（RNN）中time step的理解
Microstrong
12-04 2万+
微信公众号 1. 传统的循环神经网络 传统的神经网络可以看作只有两个time step。如果输入是“Hello”（第一个time step），它会预测“World”（第二个time step），但是它无法预测更多的time step。 2. LSTM、GRU等 【知乎】如何理解LSTM中的time step？ - 知乎 https://www.zhihu.com/question/271...
LSTM中time_step等参数理解
chen1234520nnn的博客
08-11 2957
https://www.jianshu.com/p/ab8dbf23da16 https://blog.csdn.net/david0611/article/details/81090294 https://blog.csdn.net/yangyang_yangqi/article/details/84585998 https://zhuanlan.zhihu.com/p/36455374 https://www.zhihu.com/question/268956632/answer/5237427
TensorFlow十三 LSTM练习
lijil168的专栏
09-29 495
https://yq.aliyun.com/articles/202939 Mnist： BATCH_SIZE X 784 array CCN：BATCH_SIZE X28X28 -->BATCH_SIZE X28x28X1 array LSTM：28(NUM_STEPS)个BATCH_SIZE X28 list 先试试数据变换： # coding=utf-8 import os...
keras：4)LSTM函数详解
热门推荐
Javis486的专栏
08-28 10万+
LSTM层 keras.layers.recurrent.LSTM(units, activation='tanh', recurrent_activation='hard_sigmoid', use_bias=True, kernel_initializer='glorot_uniform', recurrent_initializer='orthogonal', bias_initial...
简单理解LSTM神经网络
07-27
LSTM（Long Short-Term Memory）是一种特殊的循环神经网络（RNN），它在处理序列数据时能够有效地捕捉长期依赖关系。 LSTM有一个称为"记忆单元"的核心组件，它可以存储和访问过去的信息，并根据当前输入和前一时刻的状态来更新其内部状态。记忆单元由三个主要部分组成：遗忘门（forget gate）、输入门（input gate）和输出门（output gate）。 遗忘门决定了之前的记忆是否应该被遗忘，输入门决定了当前输入的哪些部分需要被添加到记忆中，而输出门则决定了记忆单元中的哪些信息将被输出。这些门控机制通过使用sigmoid激活函数来产生0到1之间的值，从而控制信息的流动。 LSTM通过将这些门控机制与线性变换和激活函数相结合，能够有效地处理序列中的长期依赖关系。相比于传统的RNN模型，LSTM能够更好地解决梯度消失和梯度爆炸等问题，使得网络更容易训练和优化。 总结来说，LSTM是一种具有门控机制的循环神经网络，通过存储和更新内部记忆状态，能够有效地处理序列数据中的长期依赖关系。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值