我想构建一个分类器，在给定时间序列向量的情况下提供标签。我有基于静态 LSTM 的分类器的代码，但我不知道如何合并时间信息：

训练集：

测试集：

在这篇文章之后，我在 pybrain 中实现了以下内容：

这训练了一个分类器，但我不知道如何合并时间信息。如何包含有关向量顺序的信息？

问题

我正在尝试使用连续 5 年的历史数据来预测下一年的值。

数据结构

我的输入数据input_04_08如下所示，其中第一列是一年中的某一天（1 到 365），第二列是记录的输入。

我的输出数据output_04_08看起来像这样，单列记录了一年中的那一天的输出。

然后我将 0 和 1 之间的值标准化，因此给网络的第一个样本看起来像

方法

前馈网络

我在 PyBrain 中实现了以下代码

这给了我以下结果，最终错误为 0.00153840123381

诚然，这看起来不错。但是，在阅读了有关 LSTM（长短期记忆）神经网络的更多信息以及对时间序列数据的适用性之后，我正在尝试构建一个。

LSTM 网络

下面是我的代码

这导致最终错误为 0.000939719502501，但是这一次，当我输入测试数据时，输出图看起来很糟糕。

可能的问题

我在这里查看了几乎所有 PyBrain 的问题，这些问题很突出，但并没有帮助我解决问题

• 训练 LSTM 神经网络以预测 pybrain、python 中的时间序列
• 通过神经网络进行时间序列预测
• 时间序列预测（最终使用 python）

我已经阅读了一些博客文章，这些文章有助于加深我的理解，但显然还不够

• 了解 LSTM 网络
• 揭秘 LSTM 神经网络

当然，我也浏览了 PyBrain 文档，但在此处的顺序数据集栏上找不到太多帮助。

欢迎任何想法/提示/方向。

我正在尝试在下面的 LSTM python 代码中进行绘图，但没有发生任何事情，我该怎么做才能修复它？（它只是最后的代码，lstm 代码可在deeplearning.com上获得）

我正在尝试此链接http://deeplearning.net/tutorial/lstm.html中的代码，但将 imdb 数据更改为我自己的。这是我的结果的屏幕截图。

我想确定运行 LSTM 进行情绪分析的整体准确性，但无法理解输出。train、valid 和 test 值会打印多次，但通常是相同的值。

任何帮助将非常感激。

Karpathy 的char-rnn（基于 Wojciechz learning_to_execute）使用常见的 RNN hack：

• 克隆原型网络的次数与每个序列的时间步长一样多
• 在克隆之间共享参数

当我克隆 217 次（阈值可能较低）时，我可以看到我的 5GB GPU 内存耗尽，结果如下：

lua opt/torch/install/share/lua/5.1/torch/File.lua:270: cuda runtime error (2) : out of memory at /mounts/Users/student/davidk/opt/torch/extra/cutorch/lib/THC/THCStorage.cu:44

问题是clone_many_times()功能（上面链接）。克隆似乎指向原型中相同的物理参数存储，但由于某种原因它仍然爆炸。

有没有人遇到过这种情况和/或知道如何训练非常长的序列？

（同样的问题在这里问：https ://github.com/karpathy/char-rnn/issues/108 ）

我几乎一直在寻找我可以在网络上找到的所有资源，看看是否有人发布了在 Caffe 中使用 RNN/LSTM 进行回归的示例（此处、此处和此处）。不幸的是，到目前为止，这些资源似乎并不存在。我正在使用python 上的Jeff Donahue版本。

我正在寻找的是非常简单的东西。例如，如果您有100个(x,y)对的数据点。你会怎么做：

1. 创建输入矩阵。
2. 创建延续矩阵（我们是否需要它？）
3. 创建目标矩阵。
4. prototxt 文件会是什么样子？
5. 我们可以从使用这个模型中推断（做预测）吗？

此外，如果数据是多维的，前三个项目将如何。例如，X是d维向量，Y是k维向量。

随意使用您自己的示例，只要它们涵盖了在 Python 下格式化数据的步骤。

我只是想指出，我还为此打开了一个 Caffe 用户的问题here。

我正在研究这里讨论的 LSTM 语言模型教程。

对于语言模型，通常使用模型在训练后从头开始生成一个新句子（即来自模型的样本）。

我是 TensorFlow 的新手，但我正在尝试使用我训练有素的模型来生成新单词，直到句末标记。

我最初的尝试：

它失败并出现错误：

ValueError：使用序列设置数组元素。

我正在努力在已经训练过的 TensorFlow 基本 LSTM 和可以在浏览器中运行的 javascript 版本之间实现一个接口。问题是，在我读过的所有文献中，LSTM 都被建模为迷你网络（仅使用连接、节点和门），而 TensorFlow 似乎还有很多事情要做。

我的两个问题是：

1. TensorFlow 模型能否轻松转化为更传统的神经网络结构？

2. 有没有一种实用的方法可以将 TensorFlow 提供的可训练变量映射到这个结构？

我可以从 TensorFlow 中得到“可训练变量”，问题是它们似乎每个 LSTM 节点只有一个偏差值，我见过的大多数模型都包括记忆单元、输入和输出。

我在尝试运行 neuraltalk2 时得到以下输出

parag@parag:~/MyHome/neuraltalk2/neuraltalk2-master$

这里出了什么问题？

我已经设法用 tensorflow 训练了 word2vec，我想将这些结果输入到带有 lstm 单元的 rnn 中以进行序列标记。

1）目前还不清楚如何将训练有素的 word2vec 模型用于 rnn。（如何提供结果？）

2）我没有找到太多关于如何实现序列标签 lstm 的文档。（我如何带入我的标签？）

有人可以为我指出如何开始这项任务的正确方向吗？