没有合适的资源？快使用搜索试试~
我知道了~
文库首页
人工智能
深度学习
Tensorflow中LSTM使用方法示例
Tensorflow中LSTM使用方法示例
LSTM
4星
· 超过85%的资源
需积分: 33
82 下载量
81 浏览量
2018-01-09
11:39:37
上传
评论
1
收藏
2KB
PY
举报
温馨提示
立即下载
本资源为TensorFlow中的LSTM使用示例。版本为Tensorflow0.12.0-rc
资源推荐
资源评论
基于python和tensorflow的lstm代码
浏览：50
基于python和tensorflow的长短时记忆网络lstm代码。
LSTM反向传播代码实现（通过tensorflow和自编写代码实现）
浏览：130
5星 · 资源好评率100%
通过自编写的代码实现了LSTM的反向传播，与网文《LSTM反向传播详解Part1》《LSTM反向传播详解Part2》《LSTM反向传播详解（完结篇）Part3/3代码实现》配套
tensorflow下用LSTM网络进行时间序列预测
浏览：56
4星 · 用户满意度95%
tensorflow下用LSTM网络进行时间序列预测，实时多变量预测以及对于未来数据的单变量预测。
利用TensorFlow构建LSTM对多维数据进行拟合
浏览：184
本程序利用TensorFlow构建一个简易LSTM模型，内含对多个常见激活函数的性能的比较过程，以及本程序的运行环境。
Tensorflow下构建LSTM模型
浏览：28
深度学习在自然语言处理中的应用，Tensorflow下构建LSTM模型进行序列化标注
keras_monet:使用LSTM网络生成类似Monet的绘画的示例
浏览：29
使用keras和循环网络的示例需要 跑步： python lstm_image_generation.py
LSTM-Mobility-Model：使用Tensorflow的LSTM Mobility Model实现
浏览：192
LSTM移动模型 LSTM Mobility Model的Tensorflow实现可学习具有空间和时间特征的人类活动轨迹的轨迹。 什么是人类活动轨迹？ 人类活动轨迹是固定活动的序列。 固定活动是指某人在某处停留一段时间以做某事。 因此，固定活动具有以下特征：开始时间，持续时间，位置和目的。 还有其他类型的时间序列问题吗？ LSTM Mobility Model的实现提供了在一个模型中组合离散和
ChineseWordSegment:Tensorflow使用LSTM + CRF和Dilated CNN + CRF实现中文分词
浏览：174
中文词段使用Bi-LSTM和CRF 要求： python3.5 + tensorflow-gpu> = 1.8 大熊猫 麻木 scikit学习 用法： 运行data_processing.py将原始语料库转换为数据集 cd src查找所有型号 进入模型目录并运行python train.py
char-rnn-tensorflow：使用Tensorflow在Python中使用字符级语言模型的多层递归神经网络（LSTM，RNN）
浏览：31
字符张量流 使用Tensorflow在Python中使用字符级语言模型的多层递归神经网络（LSTM，RNN）。 灵感来自安德烈·卡帕蒂（Andrej Karpathy）的。 要求 基本用法 要在tinyshakespeare语料库上使用默认参数进行训练，请运行python train.py 。 要访问所有参数，请使用python train.py --help 。 要从检查点模型中采样pyt
CNN_LSTM_CTC_Tensorflow：使用Tensorflow实现的基于CNN + LSTM + CTC的OCR
浏览：74
CNN_LSTM_CTC_Tensorflow 基于CNN + LSTM + CTC的OCR（光学字符识别）使用张量流实现。 注意：图像中的字符数（可变长度）没有限制。 看一下下面的图像。 我使用此代码训练了一个具有100k图像的模型，并在对测试数据集（200k图像）获得了99.75％的准确性。 两个数据集中的图像： 更新2017.11.6 ： 竞争页面现在不可用，如果要重现此结果，请参
利用tensorflow实现的循环神经网络RNN（本程序使用了LSTM）来做语言模型，并输出其困惑度.py
浏览：14
利用tensorflow实现的循环神经网络RNN（本程序使用了LSTM）来做语言模型，并输出其困惑度。 #语言模型主要是根据一段给定的文本来预测下一个词最有可能是什么。困惑度用于评价语言模型。困惑度越小，则模型的性能越好。
通过tensorflow进行RNN+LSTM+CTC的神经网络构筑
浏览：190
通过python，以tensorflow为底，进行RNN+LSTM+CTC的神经网络构筑，
lstm的源码
浏览：87
深度学习中的长短期记忆网络模型，LSTM网络（长短期记忆网络）可以理解为是RNN的改进版，它的出现解决了RNN的记忆问题。
LSTM实例源代码
浏览：139
详细的LSTM代码， 附带数据。 RNN全称循环神经网络（Recurrent Neural Networks），是用来处理序列数据的。在传统的神经网络模型中，从输入层到隐含层再到输出层，层与层之间是全连接的，每层之间的节点是无连接的。但是这种普通的神经网络对于很多关于时间序列的问题却无能无力。
RNN与LSTM源代码
浏览：156
消费者请注意，本资源是分别用RNN(循环神经网络)和LSTM(长短记忆网络)编写的MATLAB的案例，内部RNN.m和LSTM.m文件程序可以直接运行，内部已包含所需功能函数，如过不能直接运行请留言。
tf-explain：使用Tensorflow 2.x的tf.keras模型的可解释性方法
浏览：165
5星 · 资源好评率100%
tf-解释 tf-explain将可解释性方法实现为Tensorflow 2.x回调，以简化神经网络的理解。 参见 文档： : 安装 tf-explain可作为Alpha版本在PyPi上使用。 要安装它： virtualenv venv -p python3.6 pip install tf-explain tf-explain与Tensorflow 2.x兼容。 未声明为依赖项，可以让
使用Tensorflow 2.x的tf.keras模型的可解释性方法-Python开发
浏览：13
使用Tensorflow 2.0的tf.keras模型的可解释性方法tf-explain tf-explain将可解释性方法实现为Tensorflow 2.x回调，以简化神经网络的理解。 请参阅《 tf-explain简介》，《 Tensorflow 2.0文档的可解释性》：https://tf-explain.readthedocs.io安装tf-explain可作为Alpha版本在PyPi上获
DeepLearningExamples:使用 Python 和 Tensorflow & Keras 进行深度学习的示例
浏览：170
深度学习示例 使用 Python 进行深度学习示例。 要求 numpy==1.18.5 scipy==1.5.2 tensorflow==2.2.0 pandas==1.0.5 matplotlib==3.2.2 scikit_learn==0.23.2 谷歌合作实验室 您可以在 Colab 上运行笔记本： 示例列表 数据集 任务 神经网络结构/细胞类型 回归 稠密 分类 稠密 图像分类 卷积
Python-使用Tensorflow实现的知识蒸馏方法
浏览：58
使用Tensorflow实现的知识蒸馏方法
交叉熵损失函数-使用 Tensorflow 库在 Python 中实现交叉熵损失函数的示例
浏览：64
5星 · 资源好评率100%
一个使用 Tensorflow 库在 Python 中实现交叉熵损失函数的示例，在实际中，您需要使用更高级的技巧，如对不平衡类别进行损失权重，并使用不同的参数和技术来调整模型以获得更好的性能。
完整版 tensorflow下用LSTM网络进行时间序列预测.zip
浏览：84
亲测好用，挺不错的资源，大家快来下载吧！挺有用的！需要的话可以来下载哦！tensorflow下用LSTM网络进行时间序列预测，实时多变量预测以及对于未来数据的单变量预测。
TensorFlow平台上基于LSTM神经网络的人体动作分类_杨煜.pdf
浏览：41
5星 · 资源好评率100%
TensorFlow平台上基于LSTM神经网络的人体动作分类_杨煜.pdf
一个实例掌握tensorflow版本 LSTM（持续更新）-附件资源
浏览：92
一个实例掌握tensorflow版本 LSTM（持续更新）-附件资源
tensorflow 1.3 lstm训练和预测铁路客运数据
浏览：67
3星 · 编辑精心推荐
使用LSTM预测铁路客运时间序列，代码在tensorflow 1.3上调试运行通过，解决了网络相关资源的一些坑（很多资源不是tensorflow的版本太旧就是数据与铁路客运数据不太匹配，难以直接运行测试），不需要建立train模型和test模型（被绕了半天，这种测试应该毫无必要），可对不同的超参数组合比较训练误差和学习误差！
基于TensorFlow的lstm模型
浏览：169
5星 · 资源好评率100%
基于TensorFlow的lstm模型，多维时序数据预测，可自行修改网络参数。
Python-学习使用谷歌Tensorflow示例
浏览：34
学习使用谷歌Tensorflow示例
Tensorflow中的dropout的使用方法
浏览：74
Hinton在论文《Improving neural networks by preventing co-adaptation of feature detectors》中提出了Dropout。Dropout用来防止神经网络的过拟合。Tensorflow中可以通过如下3中方式实现dropout。 tf.nn.dropout def dropout(x, keep_prob, noise_sha
Tensorflow中使用tfrecord方式读取数据的方法
浏览：85
主要介绍了Tensorflow中使用tfrecord方式读取数据的方法，适用于数据较多时，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~
联系上传者
评论
marsboy
2018-04-27
代码需要做调整，方可运行。感谢。
小痒爱吃小娜
粉丝: 0
资源:
1
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场，查看用户热搜
最新资源
C语言文件读写操作.docx
锂离子电池荷电状态估计 - 基于深度学习和粒子群优化卡尔曼滤波的锂离子电池荷电状态估计
LegendWorriar
LearnOpenGL（十五）之深度测试
android-studio-2023.3.1.18-linux.zip.001
android-studio-2023.3.1.18-linux.zip.002
11111111111111111111111
5V3M加湿器整套原理图
医学图像分割数据集：结肠癌（colon）切片分割【包含3个切面划分好的数据集（2类别）、标签文件、可视化代码】
基于QT的局域网聊天室
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
安全验证
文档复制为VIP权益，开通VIP直接复制
信息提交成功
