Question

我正在训练喀拉拉邦的RNN LSTM网络，并且希望复制预测函数。 RNN接受大小为（2000,10,1）的输入，并输出大小为（2000,10,1）的张量。架构如下

model = Sequential()
model.add(LSTM(units=10,input_shape=(10,1), return_sequences=True))
model.add(TimeDistributed( (Dense(1, activation="linear")) ))

我的目标是使用经过训练的权重复制model.predict（）。我通常会关闭，但总是会有点停顿。下面的代码使用第一个输入（0,10,1）并通过循环计算第一个输出（0,10,1）。

我正在将隐藏状态和单元状态h_tm1，c_tm1初始化为全零。这个对吗？有人可以看看下面的代码，看看我的计算是否正确？

weight = model.layers[0].get_weights()   #weights biases for LSTM 
uarr,warr, barr = weight                 # weights and biases for MLP

w=model.layers[1].get_weights()[0]
b=model.layers[1].get_weights()[1]

hunit=10


for i in range(0,10):

   if i==0:
       h_tm1=np.zeros([1,hunit])  
       c_tm1=np.zeros([1,hunit])  
   else:
       h_tm1=h_t 
       c_tm1=c_t 

    
    
   x_t=X1[i].reshape(1,1)    



   s_t = (x_t.dot(uarr) + h_tm1.dot(warr) + barr)
   i  = sigmoid(s_t[:,:hunit])
   f  = sigmoid(s_t[:,1*hunit:2*hunit])
   _c = np.tanh(s_t[:,2*hunit:3*hunit])
   o  = sigmoid(s_t[:,3*hunit:])
   c_t = i*_c + f*c_tm1
   h_t = o*np.tanh(c_t)


   print(h_t.dot(w) + b)

复制喀拉拉邦LSTM的预测

0 个答案: