theano的lstm，怎样导入自己的数据集

咸吃萝卜 2016-04-20 04:16:58

我下载了https://raw.githubusercontent.com/kyunghyuncho/DeepLearningTutorials/master/code/imdb_preprocess.py这个，但不是很了解。
比如我有n个语音信号样本，每个样本维数为1024，那么我怎么建立这个数据集用来lstm的识别。（新手啊，谢谢大神们的耐心讲解~~~~）

...全文

681 5 打赏收藏转发到动态举报

写回复

5 条回复

切换为时间正序

请发表友善的回复…

发表回复

boss014759116 2017-01-13

打赏
举报

回复

引用 2楼我是你的主体的回复:

引用 1楼lrr0112 的回复:
楼主，请问你现在研究怎么样了？我现在正在学习阶段，想用lstm实现自己的数据库，但是一直没有思路，可否和楼主一起探讨一下？
你可以用keras框架来实现lstm，很简单，官网有事例

我实验输入2440个测试集，6908维。总是报错，说输入应该是3dim

boss014759116 2017-01-13

打赏
举报

回复

引用 1楼lrr0112 的回复:

楼主，请问你现在研究怎么样了？我现在正在学习阶段，想用lstm实现自己的数据库，但是一直没有思路，可否和楼主一起探讨一下？

你好，我现在也在用lstm处理数据，能否一起探讨

boss014759116 2017-01-13

打赏
举报

回复

楼主你现在完成实验了嘛

咸吃萝卜 2016-09-14

打赏
举报

回复

引用 1楼lrr0112 的回复:

楼主，请问你现在研究怎么样了？我现在正在学习阶段，想用lstm实现自己的数据库，但是一直没有思路，可否和楼主一起探讨一下？

你可以用keras框架来实现lstm，很简单，官网有事例

lrr0112 2016-09-01

打赏
举报

回复

楼主，请问你现在研究怎么样了？我现在正在学习阶段，想用lstm实现自己的数据库，但是一直没有思路，可否和楼主一起探讨一下？

LSTM数据集+python源码,实测在Theano环境平台下可用！详情见我的博客：http://blog.csdn.net/zhongkelee/article/details/52090352

不建议使用此存储库，而推荐使用端到端内存网络：描述这是Theano中的实现。 数据集可以在找到。以下是从当前实施获得的结果。在大多数任务中，性能都优于LSTM，但仍不如原始论文中报道的MemNN结果高。任务＃ N-gram分类器 LSTM MemNN（Weston 2014）此回购 1个 36 50 100 76 2个 2个 20 100 70 3 7 20 20 18岁 4 50 61 71 67 5 20 70 83 81 6 49 48 47 45 7 52 49 68 不适用 8 40 45 77 不适用 9 62 64 65岁 67 10 45 54 59 54 11 29 72 100 54 12 9 74 100 63 13 26 94 10

Theano-Lights Theano-Lights是基于Theano的研究框架，提供了几种最新的深度学习模型的实现以及便捷的培训和测试功能。与大多数深度学习平台一样，这些模型并未隐藏并分布在抽象层后面，以在学习和研究过程中实现透明性和灵活性。跑步： pip install -r requirements.txt python train.py 您可以在找到有关如何获取和准备数据集的说明。随附型号：前馈神经网络（FFN）卷积神经网络（CNN）递归神经网络（RNN）可变自动编码器（VAE）卷积变分自编码器（CVAE）深度循环专心作者（DRAW） LSTM语言模型包含的功能：批量归一化辍学 LSTM，GRU和SCRN循环层虚拟对抗训练（Miyato et al。，2015）合同成本（Rifai等人，2011）随机梯度下降变体：新元势头

视觉问答的深度学习转到随附的博客文章。该项目使用Keras来训练各种前馈和递归神经网络，以解决视觉问题解答的任务。它旨在与数据集一起使用。实施的模型： BOW + CNN模型 LSTM + CNN模型要求 Nvidia CUDA 7.5（可选，用于GPU加速） Caffe（可选）在Ubuntu 14.04和Centos 7.1上使用Python 2.7进行了测试。注意事项： Keras需要最新的Theano，而后者又需要Numpy / Scipy。 spaCy当前仅用于将问题转换为向量（或向量序列），如果需要，可以轻松删除此依赖性。 spaCy默认情况下使用Goldberg和Levy的单词向量，但是我发现Stanford的的性能要好得多。不需要VQA工具。 Caffe（可选）-用于将VQA与您自己的图像一起使用。安装指南这个项目有很多依赖关系，我还

注意SNLI 注意模型在SNLI数据集上的非官方实现算法。当前包括论文： “关于具有神经注意的内含性的理性思考”， “使用LSTM学习自然语言推论”，基于千层面。要求 Cuda 8（Theano可以搭配使用）的Python 3 千层面其他一些（最佳安装Anaconda）跑步在源根目录首先提取预处理的SNLI数据./extract_data.sh 然后运行： python3 ./snli_reasoning_attention.py [condition|attention|word_by_word] 或运行： python3 ./snli_match_lstm.py 结果逐字注意的学习曲线（最佳测试acc在第41个时期）：纪元：1-20 纪元：20-39 纪元：40-59 词嵌入匹配LSTM的学习曲线：笔记关于逐字注意：逐字注意的测试a

数据结构与算法

33,008

社区成员

35,326

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章