matlab深度学习工具箱LSTM学习心得

通过对matlab2018b的帮助学习,对着帮助进行代码练习和学习,得到几点体会:

一单双向LSTM
bilstmLayer(numHiddenUnits,‘OutputMode’,‘last’)%双向LSTM
lstmLayer(numHiddenUnits) %单向LSTM
回归问题用双向的LSTM效果更差,而分类问题用双向要好一点。

二’OutputMode’是’last’还是’sequence’
无论是回归还是分类问题,最后全连接层后面是一个值,用last,后面是一系列值,用sequence

三因为都是单CPU或者GPU跑,感觉速度差异性并不大。

四多层LSTM比单层并没有很显著的提高识别和预测精度,尤其是预测方面。

五对于drop out处理,放在哪个层后都行,LSTM 全连接层后都行,都是为了防过拟合。
在这里插入图片描述

六Lstm出来直接softmax 和加个全连接层Dense之后再softmax都行,后者更好一丢丢。

七 可以增加验证集部分,比如取百分之30,这样也能防止过拟合。

ps:matlab ctrl+delete 是删除整行内容;ctrl+r是注释;ctrl+t是取消注释

  • 18
    点赞
  • 110
    收藏
    觉得还不错? 一键收藏
  • 15
    评论

“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 15
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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