keras ConvLSTM2D 的简单应用

示例1：返回各时刻状态

import tensorflow as tf
import numpy as np
import keras
from keras.layers import ConvLSTM2Dlstm_input = np.random.random((4,6,30,30,3)).astype(np.float32)
lstm_input = tf.convert_to_tensor(lstm_input)lstm_out1 = ConvLSTM2D(filters=1,kernel_size=[5,5],strides=(1,1),padding='valid',activation='relu',input_shape=(6,30,30,3),return_sequences=True)(lstm_input)
lstm_out2 = ConvLSTM2D(filters=2,kernel_size=[5,5],strides=(1,1),padding='valid',activation='relu',return_sequences=True)(lstm_out1)
lstm_out3 = ConvLSTM2D(filters=3,kernel_size=[5,5],strides=(1,1),padding='valid',activation='relu',return_sequences=True)(lstm_out2)with tf.Session() as sess:sess.run(tf.global_variables_initializer())lstm_out1_,lstm_out2_,lstm_out3_ = sess.run([lstm_out1,lstm_out2,lstm_out3])print(lstm_out1_.shape)print(lstm_out2_.shape)print(lstm_out3_.shape)"""
返回：
(4, 6, 26, 26, 1)
(4, 6, 22, 22, 2)
(4, 6, 18, 18, 3)
"""

备注：

return_sequences: 默认是False，控制LSTM的输出：

False: 仅返回最后一个时刻的状态（hidden_state），shape = [B,H,W,C]，是一个4维张量
True: 返回所有时刻的输出（hidden_state），shape = [B,Clip_len,H,W,C]，是一个5维张量

示例2：同时返回各时刻状态与最后一个时刻的state(包含state.h,state.c)

用return_state=True控制

import tensorflow as tf
import numpy as np
import keras
from keras.layers import ConvLSTM2Dlstm_input = np.random.random((4,6,30,30,3)).astype(np.float32)
lstm_input = tf.convert_to_tensor(lstm_input)lstm_out,state_h,state_c = ConvLSTM2D(filters=1,kernel_size=[5,5],strides=(1,1),padding='valid',activation='relu',batch_input_shape=(-1,6,30,30,3),return_sequences=False,return_state=True)(lstm_input)with tf.Session() as sess:sess.run(tf.global_variables_initializer())lstm_out_,state_h_,state_c_= sess.run([lstm_out,state_h,state_c])print(lstm_out_==state_h_)print(lstm_out_.shape)print(state_h_.shape)print(state_c_.shape)"""
返回：[ True]]]]
(4, 26, 26, 1)
(4, 26, 26, 1)
(4, 26, 26, 1)
"""

综上：

return_sequences: 决定是否返回所有时刻的状态

return_state:决定是否返回最后一个时刻的cell状态，由示例2结果可见，最后一个时刻的state = [h,c]

注意：在keras 中文文档中，在介绍ConvLSTM2D时，没有介绍 return_state 参数，该参数在LSTM的介绍中介绍，但是在ConvLSTM2D中通用。。。自己差点以为ConvLSTM2D中没有这个功能。。。

keras ConvLSTM2D 的简单应用相关推荐

keras 双向LSTM 简单示例
示例1: 仅返回各个时刻的状态 import tensorflow.compat.v1 as tf from keras.layers import ConvLSTM2D,TimeDistribute ...
用Keras搭建神经网络简单模版（三）—— CNN 卷积神经网络（手写数字图片识别）...
# -*- coding: utf-8 -*- import numpy as np np.random.seed(1337) #for reproducibility再现性 from keras.d ...
python基础知识及数据分析工具安装及简单使用(Numpy/Scipy/Matplotlib/Pandas/StatsModels/Scikit-Learn/Keras/Gensim))
Python介绍. Unix & Linux & Window & Mac 平台安装更新 Python3 及VSCode下Python环境配置配置 python基础知识及数据分 ...
keras教程-静态图编程框架keras-学习心得以及知识点总结
在过去的四个月里(2020三月开始的),和朋友一起对着官网的keras教程学习了一遍,学习的过程中发现有一些解释的不清楚的地方(官网的教程实在是~~~),我们自己做了实验,探索了问题的各个角落以及每个 ...
掌声送给TensorFlow 2.0！用Keras搭建一个CNN | 入门教程
作者 | Himanshu Rawlani 译者 | Monanfei,责编 | 琥珀出品 | AI科技大本营(id:rgznai100) 2019 年 3 月 6 日,谷歌在 TensorFlow ...
Keras还是TensorFlow？深度学习框架选型实操分享
译者| 王天宇.林椿眄责编| Jane.琥珀出品| AI科技大本营深度学习发展势头迅猛,但近两年涌现的诸多深度学习框架让初学者无所适从.如 Google 的 TensorFlow.亚马逊的 MX ...
Keras，亡于谷歌？
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达作者丨机器之心来源丨机器之心编辑丨极市平台导读将 Keras ...
Keras vs PyTorch：谁是第一深度学习框架？
「第一个深度学习框架该怎么选」对于初学者而言一直是个头疼的问题.本文中,来自 deepsense.ai 的研究员给出了他们在高级框架上的答案.在 Keras 与 PyTorch 的对比中,作者还给出了 ...
keras中lstm参数_如何使用Keras为自定义NER构建深度神经网络
在这篇文章中,我们将学习如何使用Keras创建一个简单的神经网络来从非结构化文本数据中提取信息(NER). 模型架构在这里,我们将使用BILSTM + CRF层.LSTM层用于过滤不需要的信息,将仅 ...

keras ConvLSTM2D 的简单应用

示例1：返回各时刻状态

示例2：同时返回各时刻状态与最后一个时刻的state(包含state.h,state.c)

keras ConvLSTM2D 的简单应用相关推荐

最新文章

热门文章

keras ConvLSTM2D 的简单应用

示例1： 返回各时刻状态

示例2： 同时返回各时刻状态与最后一个时刻的state(包含state.h,state.c)

keras ConvLSTM2D 的简单应用相关推荐

最新文章

热门文章

示例1：返回各时刻状态

示例2：同时返回各时刻状态与最后一个时刻的state(包含state.h,state.c)