掩蔽如何在 keras 的循环模型中工作?
how does masking work in a recurrent model in keras?
我找到了一个训练有素的基于 LSTM 的网络。
网络允许屏蔽。
for l in range(len(model.layers)):
d=model.layers[l].__dict__
print(d['supports_masking'])
print(d['name'])
对于输入层旁边的所有 'name', 对我来说是 True
。
我还有一个缺少时间戳的时间序列,我将其替换为正确的 mask_value
。
网络是否使用所有 masked_values 作为其他普通值来确定最终预测,因此实际执行了前向传播的所有计算(示例更新 LSTM 中的每个时间戳的状态输入)或完全跳过屏蔽样本,因此计算永远不会发生?
Keras 将跳过时间步长,如 documentation 中所述。
我找到了一个训练有素的基于 LSTM 的网络。 网络允许屏蔽。
for l in range(len(model.layers)):
d=model.layers[l].__dict__
print(d['supports_masking'])
print(d['name'])
对于输入层旁边的所有 'name', 对我来说是 True
。
我还有一个缺少时间戳的时间序列,我将其替换为正确的 mask_value
。
网络是否使用所有 masked_values 作为其他普通值来确定最终预测,因此实际执行了前向传播的所有计算(示例更新 LSTM 中的每个时间戳的状态输入)或完全跳过屏蔽样本,因此计算永远不会发生?
Keras 将跳过时间步长,如 documentation 中所述。