Neural network 如何根据i/o序列的预期长度选择seq2seq RNN中的隐藏层数?

Neural network 如何根据i/o序列的预期长度选择seq2seq RNN中的隐藏层数?,neural-network,tensorflow,keras,recurrent-neural-network,lstm,Neural Network,Tensorflow,Keras,Recurrent Neural Network,Lstm,我试图预测一群人的特征。 每组包含一个唯一的人数N。 每人输入特征向量的长度I为常数(100)。 长度​人均输出预测向量O​是常数(200) 网络架构的正确选择是什么 我需要多少LSTM层(以及一层中的神经元块),以防 N=~100?(序列:~10000→ ~(2万) N=~400?(序列:~40000)→ ~(8万) N=~800?(序列:~80000)→ ~(16万) 任何关于网络架构的建议都将不胜感激。我也对这个问题的答案感兴趣。你明白了吗?我最后使用了另一种网络架构。你使用了哪种?你

我试图预测一群人的特征。 每组包含一个唯一的人数
N
。 每人输入特征向量的长度
I
为常数(100)。 长度​人均输出预测向量
O
​是常数(200)

  • 网络架构的正确选择是什么
  • 我需要多少LSTM层(以及一层中的神经元块),以防
    • N=~100?(序列:~10000→ ~(2万)
    • N=~400?(序列:~40000)→ ~(8万)
    • N=~800?(序列:~80000)→ ~(16万)

  • 任何关于网络架构的建议都将不胜感激。

    我也对这个问题的答案感兴趣。你明白了吗?我最后使用了另一种网络架构。你使用了哪种?你能发表一篇解释作为你自己问题的答案吗?