时间步长问题。tensorflow训练lstm时序模型,输出层实际输出维度和期待维度不一致

最新推荐文章于 2024-08-01 11:23:07 发布
最新推荐文章于 2024-08-01 11:23:07 发布
阅读量437 收藏
点赞数 2
文章标签： tensorflow lstm 人工智能
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/weixin_46035550/article/details/137996815
版权

设置输出维度为1.
Dense(1)
但结果跑出来的输出维度每次都是三维的。
模型设置：

模型构建

模型输出

输入x维度（2250，48，2）
输入y 维度（2250，） 和 （2250，1）
但模型预测出的结果维度都是（2250，48，1）

我就很纳闷= = ！
后来对比了以前跑过的文件。发现LSTM少定义一个参数。
在这里插入图片描述

input_shape填两个参数值，第一个值代表指定的时间步长。此处为48.
第二个值是特征数目。
更改后训练成功。模型预测值维度为（2250，1）
在这里插入图片描述
问题解决~

天才少女爱迪生
关注
  • 2
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
tensorflow下用LSTM网络进行时间序列预测
08-27
总结起来，TensorFlow中的LSTM网络是处理时间序列预测的强大工具，结合有效的数据预处理和模型调优，能够实现准确的未来趋势预测。在实际项目中，理解并掌握LSTM的工作原理以及在TensorFlow中的实现细节，对于解决...
基于TensorFlow和LSTM训练生成古诗模型，其中生成器可以实现指定生成风格进行输出python源码+文档说明+数据
01-20
LSTM_model.py：LSTM网络模型，提供了end_points接口，被其他部分调用 poetry_porcess.py：数据读取、预处理部分，会返回打包好的batch，被main调用 gen_poetry.py：古诗生成程序，拥有可选的风格参数，被main调用 ...
【个人整理】tensorflow关于循环神经网络(RNN)的输出与状态的“维度”分析
MIss-Y的博客
04-03 6380
前言：使用现在主流的深度学习框架实现循环神经网络是很简单方便的，所以我们很多时候可能忘了怎么去分析神经网络的输入，输出到底是什么，循环层各个节点之间维护的所谓的状态到底是什么？本文需要循环神经网络的基本知识和一些基本的理论，可以参见我前面的两篇文章： https://blog.csdn.net/qq_27825451/article/details/88870027 写这篇文章的初衷是...
PaddlePaddle在使用ml-1m数据集训练个性化推荐模型的时候出现输入数据维度不相同错误
PaddlePaddle
02-27 1110
关键字：数据维度，余弦相似度 问题描述：通过定义一个用户提取用户特征综合模型输出大小为100和一个电影特征模型输出大小为200，来训练一个个性化推荐模型，在训练的时候，出现输入数据维度不相同错误。 报错信息： <ipython-input-5-7d5f9bd60bf7> in inference_program() 3 mov_combined_fe...
tensorflow获取变量维度信息
热门推荐
shuzfan的专栏
01-13 2万+
tensorflow版本1.4 获取变量维度是一个使用频繁的操作，在tensorflow中获取变量维度主要用到的操作有以下三种： Tensor.shape Tensor.get_shape() tf.shape(input,name=None,out_type=tf.int32) 对上面三种操作做一下简单分析：（这三种操作先记作A、B、C） A 和 B 基本一样，只不过前者是Tens
TensorFlow搭建LSTM实现多变量多步长时间序列预测（四）：多模型滚动预测
KI的博客
08-22 4277
TensorFlow搭建LSTM实现多变量多步长时间序列预测（四）：多模型滚动预测
TensorFlow搭建CNN-LSTM混合模型实现多变量多步长时间序列预测（负荷预测）
KI的博客
08-30 1万+
TensorFlow搭建CNN-LSTM混合模型实现多变量多步长时间序列预测（负荷预测）
TensorFlow搭建双向LSTM实现时间序列预测（负荷预测）
KI的博客
08-20 3738
TensorFlow搭建双向LSTM实现时间序列预测（负荷预测）
【模型实现】基于Python的LSTM网络实现单特征预测回归任务（TensorFlow）
qq_48185833的博客
05-03 1720
利用Python语言中的TensorFlow库搭建LSTM实现价格预测
LSTM-时间步长和特征
不正经的码狗
05-19 583
这个简单的LSTM模型可以帮助你理解每个时间步长和特征的概念。在实际应用中，时间步长和特征的数量可能会更多，取决于你的具体任务和数据。：在上述模型中，每个时间步长就是一个股票价格。这意味着我们的模型将接受一个时间点的股票价格作为输入，并输出下一个时间点的预测价格。：在这个例子中，特征是单一的，即股票价格。这意味着我们的模型只关注价格这一个维度来预测下一个时间点的价格。假设我们有一个时间序列数据集，它包含了一系列的股票价格。我们的目标是预测下一个时间点的股票价格。
基于TensorFlow的LSTM情感分析模型的设计和实现python源码
02-15
基于TensorFlow的LSTM情感分析模型的设计和实现python源码 - 不懂运行，下载完可以私聊问，可远程教学 该资源内项目源码是个人的毕设，代码都测试ok，都是运行成功后才上传资源，答辩评审平均分达到96分，放心下载...
回归预测 - MATLAB实现CNN-LSTM多输入单输出（完整源码和数据）
05-05
`CNN-LSTM多输入单输出预测结果.docx`文件可能包含了实验的详细结果，如模型的预测输出、实际值与预测值的对比、性能指标（如均方误差、决定系数R^2等）以及可能的可视化图表。这有助于我们理解模型的预测效果和可能...
142-3_LSTM_LSTM时间序列_lstm预测_模型训练_matlab
09-10
标题中的“142-3_LSTM_LSTM时间序列_lstm预测_模型训练_matlab”表明这是一个关于使用MATLAB进行LSTM（长短期记忆网络）模型训练，用于处理时间序列预测的教程或项目。LSTM是一种特殊的循环神经网络（RNN），在处理...
一文讲透如何使用CSS美化HTML界面
2301_79959126的博客
07-25 850
本文具体详细地介绍了如何使用CSS样式表语言去美化我们的HTML网页，介绍了CSS样式表语言中的基本概念，如规则集、选择器等，手把手地讲解了如何使用CSS样式表进行HTML的美化操作，并在最后进行了一个实战练习帮助巩固CSS样式表语言相关知识。
昇思25天学习打卡营第1天|快速入门
07-28 760
昇思大模型平台是一个集算法选型、创意分享、模型实验和大模型在线体验为一体的AI学习与实践社区，而且还内置了AI实验室，它覆盖多领域任务，体验全流程开发，支持用户在线训练和推理可视化，可创建自己的项目空间对待开发者很友好，提供云上开发环境，无需配置环境，既可灵活调试运行代码，每天免费使用8个小时。
和数集团十周年庆典：新起点、新目标、新征程
Likelib的博客
08-01 249
在十周年庆典这个特殊的日子，和数集团对在市场开拓、客户服务等方面具有突出表现的个人进行了表彰。
Transformer 架构告诉我们什么？
最新发布
2401_85233349的博客
08-01 485
在传统的心理语言学方法中，人类语言是用可解释的模型来解释的，这些模型将符号元素（例如名词、动词、形容词、副词等）与基于规则的操作相结合。从几何上讲，它们之间的夹角越小，余弦值和点积就越大，并且这两个词在特定上下文中的相关性就越高，就像在高维空间中表示的那样。，Transformer 作为过度参数化的简单模型所展现出的蛮力学习，与进化过程类似，都是“简单而简约的”。下面是一个简单的示例，展示了词向量的基本概念。有趣的是，A 和 B 的相关系数也是角度的余弦（见上文 (2) 和 (3) 的公式）。
利用lstm模型提取一段时序数据的特征时，如何保证lstm层的权重矩阵在训练中是三行
05-18
在利用LSTM模型提取时序数据的特征时，可以通过设置LSTM层的参数来保证权重矩阵在训练中是三行。 具体地说，LSTM层有三个门控单元，分别是输入门、遗忘门和输出门。这三个门控单元的作用是控制信息的流动，并决定...
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