Neural network Shai'；生成的.prototxt文件中的数据层位置；s LSTM实现_Neural Network_Deep Learning_Caffe_Lstm_Recurrent Neural Network

Neural network Shai'；生成的.prototxt文件中的数据层位置；s LSTM实现

neural-network deep-learning

Neural network Shai'；生成的.prototxt文件中的数据层位置；s LSTM实现,neural-network,deep-learning,caffe,lstm,recurrent-neural-network,Neural Network,Deep Learning,Caffe,Lstm,Recurrent Neural Network,关于@Shai in提供的答案，其中caffe.NetSpec（）用于及时显式展开LSTM单元进行训练使用此代码实现，为什么“DummyData”层或用作输入的任何数据层出现在t0时间步长的末尾，即prototxt文件中的“t1/lstm/Mx”之前？我不明白因此需要进行操作（剪切/粘贴）。的NetSpec及时展开网络。因此，对于每个时间步，都有一个LSTM单元，在时间步之间共享权重。每个时间单位的“底部”（例如，t1/lstm/Mx）是输入X的不同时间步长顺便说一下，我建议您使用dra

关于@Shai in提供的答案，其中

caffe.NetSpec（）

用于及时显式展开LSTM单元进行训练

使用此代码实现，为什么

“DummyData”

层或用作输入的任何数据层出现在

t0

时间步长的末尾，即prototxt文件中的

“t1/lstm/Mx”

之前？我不明白

因此需要进行操作（剪切/粘贴）。

的NetSpec及时展开网络。因此，对于每个时间步，都有一个LSTM单元，在时间步之间共享权重。
每个时间单位的“底部”（例如，

t1/lstm/Mx

）是输入X的不同时间步长

顺便说一下，我建议您使用

draw_net.py

caffe实用程序来绘制生成的prototxt，并查看数据流和展开的LSTM单元的时间重复

以下是展开的网络的外观：您可以看到三个LSTM单元的组件，以及

的不同的时间切片，它们将进入每个时间展开的LSTM单元。
的NetSpec及时展开网络。因此，对于每个时间步，都有一个LSTM单元，在时间步之间共享权重。
每个时间单位的“底部”（例如，
t1/lstm/Mx
）是输入X的不同时间步长
顺便说一下，我建议您使用
draw_net.py
caffe实用程序来绘制生成的prototxt，并查看数据流和展开的LSTM单元的时间重复
以下是展开的网络的外观：
您可以看到三个LSTM单元的组件，以及
X
的不同的时间片段，它们将进入每个时间展开的LSTM单元。
顺便说一句，我发布的代码中有一些拼写错误。我改正了，你现在可以再看一遍。我不是有意冒犯你的，如果可以这样理解我很抱歉！相反，我感谢您实现了LSTM，它工作得非常好！我使用了它并获得了很好的结果，我还使用这些函数堆叠了lstm，因为我发布的代码中有一些拼写错误。我改正了，你现在可以再看一遍。我不是有意冒犯你的，如果可以这样理解我很抱歉！相反，我感谢您实现了LSTM，它工作得非常好！我使用了它并取得了很好的效果，我还使用了这些函数堆叠了lstm。我关心的是生成的.prototxt文件。尽管MemoryData层是在展开阶段之前创建的，但它出现在t0时间步之后，就在“t1/lstm/Mx”之前。@FlorianMutel我假设数据
X
包含其中的所有时间步，因此在将不同的时间片送入lstm之前，存在一个时间
“Slice”
层。您可以忽略
X
并分别为每个时间步生成
DummyData
。您可以将
Slice1
Slice2
和
Slice3
分别想象为
t0/X
、
t1/X
和
t2/X
。我使用的是“bottom='nameOfLayer'”并切换到“ns.layer”，它更正了我的数据层的位置。谢谢你的时间和抽签trick@FlorianMutel很高兴我能提供帮助，我也很高兴得知这个LSTM实现为您工作。我关心的是生成的.prototxt文件。尽管MemoryData层是在展开阶段之前创建的，但它出现在t0时间步之后，就在“t1/lstm/Mx”之前。@FlorianMutel我假设数据
X
包含其中的所有时间步，因此在将不同的时间片送入lstm之前，存在一个时间
“Slice”
层。您可以忽略
X
并分别为每个时间步生成
DummyData
。您可以将
Slice1
Slice2
和
Slice3
分别想象为
t0/X
、
t1/X
和
t2/X
。我使用的是“bottom='nameOfLayer'”并切换到“ns.layer”，它更正了我的数据层的位置。谢谢你的时间和抽签trick@FlorianMutel很高兴我能帮上忙，我也很高兴得知这个LSTM实现为您工作。