问题标签 [recurrent-neural-network]

我想写一个声音识别程序。我有算法，但我无法正确读取麦克风的声音。我有一个来自https://stackoverflow.com/的代码，女巫从 wav 文件中读取数据，但我不知道如何将 wav 原始数据放入二进制向量或数组中。所以基本上我需要一个包含数据位（1-s 或 0-s）的二进制向量或数组，它必须是 2000-4000 位长。我怎样才能做到这一点？

（我将它与 Hopfield 神经网络一起使用）

我正在尝试复制最近关于单一进化神经网络的工作。改编自作者发布的代码，我写了如下代码

但是在 6.23 的初始错误之后，我得到了所有的 nans。有人可以解释代码中是否存在错误。我发布了整个代码，这样我就不会错过错误的部分（而且我不知道它是哪一个）

谢谢！

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。

我正在通过https://github.com/meierue/RNNLIB安装 rnnlib

安装 boost 和其他并完成其他步骤后，我收到错误-SeqBuffer.hpp:227: error: reference to ‘range’ is ambiguous Helpers.hpp:298: error: candidates are: template<class T> std::pair<boost::iterators::counting_iterator<Incrementable, boost::iterators::use_default, boost::iterators::use_default>, boost::iterators::counting_iterator<Incrementable, boost::iterators::use_default, boost::iterators::use_default> > range(const T&, const T&)

尝试在 tensorflow 中实现一个最小的玩具 RNN 示例。目标是学习从输入数据到目标数据的映射，类似于theanets 中这个精彩的简洁示例。

更新：我们快到了。剩下的唯一部分是使其收敛（并且不那么复杂）。有人可以帮助将以下内容转换为运行代码或提供一个简单的示例吗？

我需要训练一个双向 LSTM 模型来识别离散语音（从 0 到 9 的单个数字）我已经录制了 100 个发言者的语音。接下来我该怎么办？（假设我将它们拆分为单独的 .wav 文件，每个文件包含一个数字）我将使用 mfcc 作为网络的功能。

此外，如果我要使用支持 CTC（连接主义时间分类）的库，我想知道数据集的区别

我正在使用 vanilla Rnn，使用梯度下降（非批量版本）进行训练，并且我在（标量）成本的梯度计算方面遇到了问题；这是我的代码的相关部分：

由于某些原因，我不想将完整的（训练）数据传递给 train_model(..)，而是一次传递单个示例。现在的问题是每次调用 train_model(..) 都会返回该特定示例的成本（负对数似然），然后我必须汇总（完整（训练）数据集的所有成本），然后取导数并对 sgd_step(..) 中的权重参数执行相关更新，并且由于我当前的实现的明显原因，我收到此错误：theano.gradient.DisconnectedInputError: grad 方法被要求计算相对于 a 的梯度不属于成本计算图的变量，或者仅由不可微分运算符使用：W_xh。现在我不明白如何让 '成本' 计算图的一部分（在我的情况下，当我必须等待它被聚合时）或者有没有更好/优雅的方法来实现同样的事情？

谢谢。

我使用 VGG 16-Layer Caffe 模型作为图像说明，每张图像有几个说明。现在，我想从这些标题（单词）中生成一个句子。
我在一篇关于 LSTM 的论文中读到，我应该从训练网络中移除 SoftMax 层，并将层中的 4096 特征向量fc7直接提供给 LSTM。
我是 LSTM 和 RNN 的新手。
我应该从哪里开始？是否有任何教程显示如何通过序列标签生成句子？

如果输出是一个tanh函数，那么我会得到一个介于 -1 和 1 之间的数字。

如何将输出转换为我的 y 值的比例（现在恰好在 15 左右，但会因数据而异）？

或者我是否仅限于在某种已知范围内变化的功能......？

我正在尝试使用 RNN 进行特定领域的分类研究，并积累了数千万条文本。由于运行整个数据集需要几天甚至几个月的时间，我只选择了一小部分进行测试，比如 100 万个文本（80% 用于训练，20% 用于验证）。我使用词向量化对整个语料库进行了预训练，并将 Dropout 应用于模型以避免过度拟合。当它在 12 小时内训练 60000 条文本时，损失已经下降到相当低的水平，准确率达到 97%。我应该继续还是不继续？对继续训练有帮助吗？

它仍在运行第一个 epoch，恐怕如果我现在停止，模型将无法覆盖整个...