Tag: rnn

RNN ist die Abkürzung von Rekurrenten Neuronalen Netzwerk, die eine Klasse von künstlichen neuronalen Netz mit feedback.

immer ValueError : "Können nur Tupel-index mit einem MultiIndex "

Anzahl der Antworten 1 Antworten
Ich versuche, eine einfache Implementierung RNN, um vorherzusagen, der die nächste ganze Zahl in eine integer-Sequenz. Also, ich habe einen Datensatz wie folgt: Id Sequence 1 1,0,0,2,24,552,21280,103760,70299264,5792853248,587159944704 2 1,1,5,11,35,93,269,747,2115,5933,16717,47003,132291,372157,1047181,2946251,8289731,23323853,65624397,184640891,519507267,1461688413,4112616845,11571284395,32557042499,91602704493,257733967693 4 0,1,101,2,15,102,73,3,40,16,47,103,51,74,116,4,57,41,125,17,12,48,9,104,30,52,141,75,107,117,69,5,148,58,88,42,33,126,152,18,160,13,38,49,55,10,28,105,146,31,158 5 1,4,14,23,42,33,35,34,63,66,87,116,84,101,126,164,128,102,135,143,149,155,203,224,186,204,210,237,261,218,219,286,257,266,361,355,336,302,374,339,371,398,340,409,348,388,494,436,407,406 6 1,1,2,5,4,2,6,13,11,4,10,10,12,6,8,29,16,11,18,20,12,10,22,26,29,12,38,30,28,8,30,61,20,16,24,55,36,18,24,52,40,12,42,50,44,22,46,58,55,29,32,60,52,38,40,78,36,28,58,40,60,30,66,125,48,20,66,80,44,24 9 0,31,59,90,120,151,181,212,243,273,304,334,365,396,424,455,485,516,546,577,608,638,669,699,730,761,789,820,850,881,911,942,973,1003,1034,1064,1095,1126,1155,1186,1216,1247,1277,1308,1339,1369,1400,1430

Kein Modul mit dem Namen 'tqdm'

Anzahl der Antworten 4 Antworten
Ich bin mit den folgenden pixel rekurrenten neuronalen Netz (RNN) - code mit Python 3.6 import os import logging import numpy as np from tqdm import trange import tensorflow as tf from utils import * from network

Verständnis eine einfache LSTM pytorch

Anzahl der Antworten 3 Antworten
import torch,ipdb import torch.autograd as autograd import torch.nn as nn import torch.nn.functional as F import torch.optim as optim from torch.autograd import Variable rnn = nn.LSTM(input_size=10, hidden_size=20, num_layers=2) input = Variable(torch.randn(5, 3, 10)) h0 = Variable(torch.randn(2, 3, 20))