我们在课堂上学习了如何使用Keras构建LSTM模型，但是，我仍然不明白应该如何为模型设置层。规则是什么？每一步意味着什么？
例如，对于下面的代码：
from keras.models import Sequential
from keras.layers import LSTM
from keras.layers import Dropout
from keras.layers import Dense
numUnits = 50
model = Sequential()
model.add( LSTM(units=numUnits,return_sequences=True,
input_shape=(X_train.shape[1], 1)) )
model.add( Dropout(0.2) )
model.add( LSTM(units=numUnits) )
model.add( Dropout(0.2) )
model.add( Dense(units=1) )
model.compile( loss='mean_squared_error' )每一个步骤是什么意思？我们需要在设置每一层后使用丢弃吗？它总是以密集层结束吗？
1条答案
按热度按时间2ledvvac1#
添加到模型的第一层是LSTM（长短时记忆）层，它是一种非常适合于处理顺序数据的递归神经网络层。
“丢弃”层用于在训练过程中随机丢弃一部分单元，这有助于防止过拟合。它基于其输入参数丢弃一部分单元。
密集层是神经网络中最常见的层类型，通常用于将前一层的输出转换为适合当前任务的格式。例如，如果任务是分类任务，则密集层可用于将前一层的输出转换为类上的概率分布。
为了回答您的问题，并不是每个层之后都需要丢弃层，但它们通常放置在重复出现的层（如LSTM或GRU）之后，以防止过拟合。密集层通常是模型中的最后一个层，但它不是完全必要的。