如何解决Tensorflow LSTM 测序作为诗歌示例，但使用 3 个浮点数而不是字符串
我想修改下面的例子来预测基于 3 个浮点数而不是单词或字母的序列
我不希望模型像回归一样尝试进行计算，而是根据频率学习模式，就好像它们是单词一样。您能否说明调整以下示例的最佳方法是什么？我想过使用交叉列，先对浮点数进行合并，然后将 3 个值交叉到一个列，但说实话，我发现文档的特定部分非常混乱
model = Sequential()
model.add(Embedding(total_words,100,input_length=max_sequence_len-1))
model.add(Bidirectional(LSTM(150)))
model.add(Dense(total_words,activation='softmax'))
adam = Adam(lr=0.01)
model.compile(loss='categorical_crossentropy',optimizer=adam,metrics=['accuracy'])
#earlystop = EarlyStopping(monitor='val_loss',min_delta=0,patience=5,verbose=0,mode='auto')
history = model.fit(xs,ys,epochs=100,verbose=1)
#print model.summary()
print(model)
参考：
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。