lstm维度

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了lstm维度相关的知识,希望对你有一定的参考价值。

参考技术A 隐藏层的维度(左部tf会自动匹配):

(embdding_dim + n_class,128)

每个循环体的输入维度计算:

batch*emb_dim + batch*n_class

所以输入维度是:

(batch,emb_dim + n_class)

dropout是控制隐藏层正常工作的节点个数。在训练时使用,验证时不使用。在多层lstm中的不同层之间使用,同一层的lstm中循环体之间不使用。

以上是关于lstm维度的主要内容,如果未能解决你的问题,请参考以下文章

Keras 维度 LSTM net 3 dim 预期

当我给它2时,Keras LSTM需要3个维度,而当我给它3时,它需要4个维度

swift/coreml 实现的 LSTM 维度问题

PyTorch LSTM 输入维度

lstm优势

检查输入时出错:预期 lstm_input 有 3 个维度,但得到的数组形状为 (4, 1)