Python LSTM网络的体系结构
如何用Keras绘制python中的LSTM网络。网络接收6个不同的参数作为输入,并返回一个预测值。神经网络的建立如下:Python LSTM网络的体系结构,python,machine-learning,keras,Python,Machine Learning,Keras,如何用Keras绘制python中的LSTM网络。网络接收6个不同的参数作为输入,并返回一个预测值。神经网络的建立如下: model = Sequential() model.add(LSTM(512,input_shape=(train_X.shape[1], train_X.shape[2]))) model.add(Dense(1)) model.compile(loss='mae', optimizer='adam') model.summary() Model: "sequ
model = Sequential()
model.add(LSTM(512,input_shape=(train_X.shape[1], train_X.shape[2])))
model.add(Dense(1))
model.compile(loss='mae', optimizer='adam')
model.summary()
Model: "sequential_3"
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
lstm_3 (LSTM) (None, 512) 1062912
_________________________________________________________________
dense_3 (Dense) (None, 1) 513
=================================================================
Total params: 1,063,425
Trainable params: 1,063,425
Non-trainable params: 0
下面的图片是一个很好的表现吗
如果图像不正确,我可以用正常神经元而不是LSTM细胞来表示吗?我认为你的思路是正确的。您可以对图形进行一些修改,以改进图形的水平表示(从左到右向前传递),为各个层标题和描述添加一些样式,在引用LSTM单元时用单词单位替换单词神经元,并添加一些颜色以突出特征、单元和,还有神经元。以下是一个例子: