Machine learning 基于通量模型的LSTM全序列建模

我试图训练一个LSTM，使其基于x序列（而不仅仅是最后一个项或分类器）对完整序列y进行建模。在下面的代码中，虽然损失函数起作用，但培训不起作用。看来dot形式主义不适合火车？你知道我该怎么做吗？在凯拉斯，它是如此简单。。。。 提前感谢,， 马库斯

错误消息

---

好吧，按照弗雷德里克的方法，下面的损失似乎是可行的，但坦率地说，我不太喜欢它，所以我仍然想知道是否有更优雅/惯用/高效的（？）解决方案

function loss(x,y) 
    yhat=model.(x)
    s=0
    for i in 1:length(yhat)
        s+=(yhat[i][1] - y[i][1])^2
    end

    s/=length(yhat)
    s    

end

---

好吧，按照弗雷德里克的方法，下面的损失似乎是可行的，但坦率地说，我不太喜欢它，所以我仍然想知道是否有更优雅/惯用/高效的（？）解决方案

function loss(x,y) 
    yhat=model.(x)
    s=0
    for i in 1:length(yhat)
        s+=(yhat[i][1] - y[i][1])^2
    end

    s/=length(yhat)
    s    

end

---

请查看变异数组。

请查看变异数组。

问题可能是collect在内部变异数组，flux的ad后端Zygote.jl不支持这种情况。看看你是否可以不使用collect来写损失。例如，

sum（x->abs2（-（x…）、zip（model.（x），y））

谢谢您的提示！调用loss时，我得到

MethodError:没有方法匹配-（：：数组{Float32,1}，：：Float32）

。问题是

model.（x）

返回一个长度为1的数组数组，不知何故我需要将其解包以进行数学运算。还有别的办法吗？对不起，我对Julia来说是新手。试图用

yhat=[]手动解包；对于模型（x）中的e；追加（yhat，e[1]）；结束

但再次出现变异错误问题可能是collect在内部变异了一个数组，flux的ad后端zyote.jl不支持该数组。看看你是否可以不使用collect来写损失。例如，

sum（x->abs2（-（x…）、zip（model.（x），y））

谢谢您的提示！调用loss时，我得到

MethodError:没有方法匹配-（：：数组{Float32,1}，：：Float32）

。问题是

model.（x）

返回一个长度为1的数组数组，不知何故我需要将其解包以进行数学运算。还有别的办法吗？对不起，我对Julia来说是新手。试图用

yhat=[]手动解包；对于模型（x）中的e；追加（yhat，e[1]）；结束

，然后再次获取变异错误

function loss(x,y) 
    yhat=model.(x)
    s=0
    for i in 1:length(yhat)
        s+=(yhat[i][1] - y[i][1])^2
    end

    s/=length(yhat)
    s    

end