Machine learning LSTM中的numhidden单位
在matlab中创建Machine learning LSTM中的numhidden单位,machine-learning,deep-learning,Machine Learning,Deep Learning,在matlab中创建LSTM层时,我们将numHiddenUnits指定为layer=lstmLayer(numHiddenUnits)。我有两个问题 (1) :什么是numHiddenUnits 它是否表示LSTM单元的数量?如果是,那么这些单元是串行连接还是并行连接(它们之间没有交互作用) 不幸的是,没有办法可视化(RNN)网络。我了解一个LSTM单元是如何工作的,但我不知道下面的架构是什么样子 我的网络由这些层组成 `layers = [ ... sequenceInputLaye
LSTM
层时,我们将numHiddenUnits
指定为layer=lstmLayer(numHiddenUnits)
。我有两个问题
(1) :什么是numHiddenUnits
它是否表示LSTM
单元的数量?如果是,那么这些单元是串行连接还是并行连接(它们之间没有交互作用)
不幸的是,没有办法可视化(RNN)网络。我了解一个LSTM单元是如何工作的,但我不知道下面的架构是什么样子
我的网络由这些层组成
`layers = [ ...
sequenceInputLayer(numFeatures)
lstmLayer(numHiddenUnits)
fullyConnectedLayer(numResponses)
regressionLayer];`
(2) :此架构看起来如何
我的方法是:我试着画它,我认为它应该是这样的
让我解释一下numHiddenUnits的重要性: LSTM通常用于处理序列。假设您向LSTM网络提供一个英语句子作为输入。这里的输入将逐字传递到网络,而不是同时传递整个句子
假设在时间t0,单词“stack”是网络的输入。单词“stack”在输入网络之前将被解码成某种一维矢量形式。假设向量大小为10,那么隐藏单元的数量将为10。简而言之,隐藏单位的数量等于向量维数。让我解释一下numHiddenUnits的重要性: LSTM通常用于处理序列。假设您向LSTM网络提供一个英语句子作为输入。这里的输入将逐字传递到网络,而不是同时传递整个句子
假设在时间t0,单词“stack”是网络的输入。单词“stack”在输入网络之前将被解码成某种一维矢量形式。假设向量大小为10,那么隐藏单元的数量将为10。简而言之,隐藏单位的数量等于向量维数。您好,欢迎来到AI SE!您的第一个问题似乎与Matlab有关,即,这是一个编程问题。如果是这样的话,这个问题就离题了。有关更多详细信息,请参阅。我可能会将此帖子迁移到堆栈溢出。然而,请注意,还有数据科学SE更适合这些问题。如果没有人提供答案,请在DS SE上提问。嗨,欢迎来到AI SE!您的第一个问题似乎与Matlab有关,即,这是一个编程问题。如果是这样的话,这个问题就离题了。有关更多详细信息,请参阅。我可能会将此帖子迁移到堆栈溢出。然而,请注意,还有数据科学SE更适合这些问题。如果没有人提供答案,请在DS SE上询问。