시퀀스 분류를위한 LSTM 신경망 구현 작업을하고 있습니다. 다음 매개 변수를 사용하여 네트워크를 설계하고 싶습니다.
n
원-핫 벡터 시퀀스 .CNTK로 구현해야하지만 문서가 제대로 작성되지 않았기 때문에 어려움을 겪고 있습니다. 누군가 나를 도울 수 있습니까?
이 시퀀스 분류 예를 들어 당신이 찾고있는 정확하게 다음과 같습니다.
유일한 차이점은 단일 LSTM 계층 만 사용한다는 것입니다. 다음을 변경하여 여러 계층을 사용하도록이 네트워크를 쉽게 변경할 수 있습니다.
LSTM_function = LSTMP_component_with_self_stabilization(
embedding_function.output, LSTM_dim, cell_dim)[0]
에:
num_layers = 2 # for example
encoder_output = embedding_function.output
for i in range(0, num_layers):
encoder_output = LSTMP_component_with_self_stabilization(encoder_output.output, LSTM_dim, cell_dim)
그러나 새로운 레이어 라이브러리를 사용하면 더 나은 서비스를받을 수 있습니다. 그런 다음 간단히 다음을 수행 할 수 있습니다.
encoder_output = Stabilizer()(input_sequence)
for i in range(0, num_layers):
encoder_output = Recurrence(LSTM(hidden_dim)) (encoder_output.output)
그런 다음 조밀 한 출력 레이어에 넣은 최종 출력을 얻으려면 먼저 다음을 수행 할 수 있습니다.
final_output = sequence.last(encoder_output)
그리고
z = Dense(vocab_dim) (final_output)
이 기사는 인터넷에서 수집됩니다. 재 인쇄 할 때 출처를 알려주십시오.
침해가 발생한 경우 연락 주시기 바랍니다[email protected] 삭제
몇 마디 만하겠습니다