Question

我正在尝试训练一个有64个隐藏单位的LSTM-RNN。我的数据如下：

输入：具有尺寸（170000,50,500）的numpy数组 - ＆gt; （例子，时间步骤，特征数量）
输出：具有尺寸（170000,10）的numpy数组

输出是一个包含10个类的分类变量（例如，类1对应于向量[1,0,0,0,0,0,0,0,0,0]）

到目前为止，我已经尝试过这段代码，但是出现了一条错误，指出Dense图层应该有3D输入。

@Component({
    moduleId: module.id,
    templateUrl: 'account-list.component.html',
    providers: [AccountService],
    selector: 'account-list'
}).....

deleteAccount(Account: Account) {
    this.confirmationService.confirm({
        header: 'Delete Confirmation', message: 'Are you sure that you want to delete this account?',
        icon: 'fa fa-trash',
        accept: () => {
            this.AccountService.deleteAccount(Account.account_id).subscribe(
                res => {
                    let index: number = this.Accounts.findIndex(n => n.account_id === Account.mc_account_id);
                    if (~index) {
                        this.Accounts.splice(index, 1);
                    }
                    this.msgs.push({ severity: 'Info', summary: 'The account is deleted' });
                },
                err => {
                    this.msgs.push({ severity: 'Error', summary: err.message });
                }
            );

        }
    });
}

唯一可行的方法是改变输出，使其具有以下形式：（170000,50,10），除了第50个时间步之外基本上都是零。

这是正确的做法吗？如果是这样，有什么更有效的吗？我担心扩大产出的事实＆＃39;形状可能会降低代码效率。

Answer 1

您所要做的就是将return_sequences=True更改为return_sequences=False。此外，如果每个项目只能适合一个类别，则需要将输出图层中的激活功能更改为activation='softmax'

多对一LSTM，多类分类

1 个答案: