層數1,2,3,4 基本沒有看到過更多的了，大部分網路可能就是兩層雙向或者一層雙向即可
結點數 根據特徵維數和資料量 ，64,128,256,512, 也是基本沒有看到過更多的，大部分網路就是128或者256
lstm層
keras.layers.recurrent.lstm(units, activation=『tanh』, recurrent_activation=『hard_sigmoid』, use_bias=true, kernel_initializer=『glorot_uniform』, recurrent_initializer=『orthogonal』, bias_initializer=『zeros』, unit_forget_bias=true, kernel_regularizer=none, recurrent_regularizer=none, bias_regularizer=none, activity_regularizer=none, kernel_constraint=none, recurrent_constraint=none, bias_constraint=none, dropout=0.0, recurrent_dropout=0.0)
1核心引數
units：輸出維度
input_dim：輸入維度，當使用該層為模型首層時，應指定該值（或等價的指定input_shape)
return_sequences：布林值，預設false，控制返回型別。若為true則返回整個序列，否則僅返回輸出序列的最後乙個輸出
input_length：當輸入序列的長度固定時，該引數為輸入序列的長度。當需要在該層後連線flatten層，然後又要連線dense層時，需要指定該引數，否則全連線的輸出無法計算出來。
輸入shape
形如（samples，timesteps，input_dim）的3d張量
輸出shape
如果return_sequences=true：返回形如（samples，timesteps，output_dim）的3d張量否則，返回形如（samples，output_dim）的2d張量
1.輸入和輸出的型別
相對之前的tensor，這裡多了個引數timesteps，其表示啥意思？舉個栗子，假如我們輸入有100個句子，每個句子都由5個單詞組成，而每個單詞用64維的詞向量表示。那麼samples=100，timesteps=5，input_dim=64，你可以簡單地理解timesteps就是輸入序列的長度input_length(視情而定)
2.units
假如units=128，就乙個單詞而言，你可以把lstm內部簡化看成y=x1×64w64×128y=x1×64w64×128 ,x為上面提及的詞向量比如64維,w中的128就是units，也就是說通過lstm，把詞的維度由64轉變成了128
3.return_sequences
我們可以把很多lstm層串在一起，但是最後乙個lstm層return_sequences通常為false，具體看下面的栗子。
栗子sentence01: you are really a genius
(1)我們把輸入的單詞，轉換為維度64的詞向量，小矩形的數目即單詞的個數input_length
(2)通過第乙個lstm中的y=xw，這裡輸入為維度64，輸出為維度128，而return_sequences=true，我們可以獲得5個128維的詞向量v1』…v5』
(3)通過第二個lstm，此時輸入為v1』…v5』都為128維，經轉換後得到v1」…v5」為256維，最後因為return_sequences=false，所以只輸出了最後乙個紅色的詞向量
Keras 損失函式與評價指標詳解
2020.12.03更新 pytorch不香麼 regression losses 2 metrics 變數定義 損失函式的分類 probabilistic losses binarycrossentropy class 輸入示例 y true 0.1.0.0.y pred 0.6,0.4 0.4,...
PHP物件導向 4 建構函式詳解
部分1 class human a newhuman b new human c new human echo a name,echo b name,echo c name,三個李四 echo a gender,echo b gender,echo c gender,三個男 echo 筆記部分1 在...
4 指標運算 指標函式詳解
1.指標 資料型別 儲存位址的資料型別 2.指標變數 儲存位址的變數 4.指標的定義 型別名 變數名 型別名 變數名 表示指標變數 指標的計算 型別名 定義 先 後變數名，後型別名。int 3 1 p 2 5.指標所佔位元組 資料型別 在32位系統中，佔4個位元組 6.指標變數型別 去掉變數名 in...