Matias Valdenegro
2020-02-01 01:24
您必须在各层之间传递张量，因为这是使用所有Layer(params...)(input)表示法的API在所有层上的工作方式：
model_input = Input(shape=(366,5,5))
model = TimeDistributed(Conv2D(64, (3, 3), activation='relu', padding='same',data_format='channels_first'))(model_input)
model = TimeDistributed(MaxPooling2D((2, 2),padding='same',data_format='channels_first'))(model)
model = TimeDistributed(Conv2D(128, (3,3), activation='relu',padding='same',data_format='channels_first'))(model)
model = TimeDistributed(MaxPooling2D((2, 2), strides=(2, 2),padding='same',data_format='channels_first'))(model)
model = TimeDistributed(Flatten())(model)
model = LSTM(256, return_sequences=False, dropout=0.5)(model)
model = Dense(128, activation='relu')(model)
model = Dense(6, activation='softmax')(model)
cnnlstm = Model(model_input, model)
注意，我也纠正了第一TimeDistributed层，因为张量位于错误的部分。
热门帖子
相关问题
热门github
1
2
3
5
6
7
8
11
13
14
15
Mamba is a new state space model architecture showing promising performance on information-dense data such as language modeling, where previous subquadratic models fall short of Transformers. It is based on the line of progress on structured state space models, with an efficient hardware-aware design and implementation in the spirit of FlashAttention.
(翻译：Mamba 是一种新的状态空间模型架构，在信息密集型数据（例如语言建模）上显示出良好的性能，而之前的二次模型在 Transformers 方面存在不足。它基于结构化状态空间模型的进展，并本着FlashAttention的精神进行高效的硬件感知设计和实现。)
谢谢Matias。但是在上面的代码中运行时，我得到一个错误：“ time_distributed_304 / transpose”的维数必须为3，但必须为4，输入形状为[？，5,5]，[4]。 我的输入形状似乎正确366通道5 * 5。不知道怎么了。
非常感谢Matias，您节省了我几个小时。现在工作正常。问题出在我的输入形状上，我没有指定每个时间步长的通道数（在我的情况下为1）。因此，model_input = Input（shape =（366,1,5,5））解决了该问题。现在，我的准确性没有改变，我希望对其进行修复。