问题标签 [sequence-to-sequence]

我检查了所有 API，无论在 word2Vec 还是 glove 中，都找不到将向量映射到单词的方法。谷歌并没有那么大的帮助。

有人知道这样做吗？

背景：我正在使用 seq2seq 模型训练聊天机器人。但是到目前为止我发现的实现是使用单热编码。所以我想尝试使用手套嵌入并使用输出映射回单词。

为了处理不同长度的序列，我们使用分桶和填充。在分桶中，我们为一些 max_len 制作不同的桶，我们这样做是为了减少填充量，在制作不同的桶之后，我们在不同的桶上训练不同的模型。

这是我到目前为止发现的。但我不明白的是，所有不同的模型是如何训练的，以及它们是如何用于翻译新句子的？

我已经建立了一个 Keras ConvLSTM 神经网络，我想根据 10 个时间步长的序列预测前一帧：

模型：

训练：

我测试模型：

但问题是 'next_frame' 形状是： (1, 10, 64, 64, 1) 根据火车数据，它应该是 (1, 1, 64, 64, 1)

这是“model.summary()”的结果：

我对 NER 的序列标记不太感兴趣。我按照代码“ https://github.com/monikkinom/ner-lstm/blob/master/model.py ”制作我的模型，如下所示：

输入是
X: (batch_size,max_sent_length,word_embed_dim)
和
Y: (batch_size,max_sent_length,number_of_labels)

然后我将值传递给双向 LSTM 单元：

其中，rnn_size = 128

然后我进行以下计算：

我拿了，batch_size = 64 和 30 个 epoch。
但在我的模型中，每次只检测到一个标签。我无法在我的代码中指出问题。请帮忙。

我想在 Keras (python) 中编写一个自定义指标，以在我训练时评估我的序列到序列模型的性能。序列是一次性编码的，标记是单词而不是字符。我希望它只报告完全正确的序列数（百分比也可以）。因此，如果它预测“猫坐在垫子上”而不是“猫坐在垫子上”，那将是不正确的并且不会被计算在内。

Keras（在我看来）关于编写自定义指标的文档有限（此处为https://keras.io/metrics/）。基本上，我想要的是类似

现在，Keras 不喜欢这样。它说 float 没有属性形状。我知道 y_true 和 y_pred 是张量，但我不完全确定它想要返回什么。帮助表示赞赏。

我试图了解这个模型在这里描述的区别是什么，以下是：

这里描述的序列到序列模型是 第二个描述

有什么不同 ？第一个有RepeatVector，而第二个没有？第一个模型是否没有将解码器隐藏状态作为预测的初始状态？

有没有描述第一个和第二个的论文？

我实现了一个序列到序列编码器解码器，但我在预测中改变我的目标长度时遇到了问题。它适用于相同长度的训练序列，但如果不同则无效。我需要改变什么？

在这里它需要与 input_seqs 中相同的批量大小，并且不接受具有 2000 个批次的 target_seqs

我需要改变什么模型接受可变长度的输入？

您好我正在尝试使用 tensorflow.js 中的序列 2 序列模型构建文本摘要器。

我的数据集（示例）：

我可以使用预训练的 word2vec 模型将文本转换为词向量。我将这些词嵌入用于 LSTM 网络以获取情感值。

从理论上讲，我可以对序列 2 序列模型有所了解，但在编码方面，我无法理解这个想法，编码器/解码器网络如何看起来像真正的代码。

任何人都可以在 tensorflow.js 中发布一个简单的编码器和解码器网络示例。

或者，如果已经发布了任何示例，您知道可以分享它们。

我在LSTM的Keras实现的某些方面遇到了麻烦。这是我的问题的描述：

我正在尝试训练一个单词正确性预测模型。我的模型有两种类型的输入：

1. 一个单词序列（句子）
2. 以及一系列特征向量（对于每个单词，我计算一个特征 victor 为 6）。

例如

由于我的训练集中的每个句子都有不同的长度，我应该对我的所有句子进行零填充，以使它们都具有相同的长度。

我的问题是第二个输入怎么样，我应该做填充！如何？因为它们是向量。

模型架构：

我不明白num_unitsTensorFlow 的 BahdanauAttention 中的论点。它定义为：

num_units：查询机制的深度。

我不清楚。