对于序列预测问题，您可能难以确定长短期记忆模型是否表现良好。您可能会获得良好的模型技能评分，但重要的是要了解您的模型是否适合您的数据，或者它是否欠拟合或过拟合，并且可以 […]

理解如何准备序列数据以输入 LSTM 模型可能很困难。关于如何定义 LSTM 模型的输入层，常常存在混淆。关于如何将可能是一维或二维数字矩阵的序列数据转换为 […] 同样存在混淆。

开发 LSTM 模型的目标是最终的模型，您可以在序列预测问题上使用该模型。在本教程中，您将了解如何完成模型定型并使用它对新数据进行预测。完成本教程后，您将了解：如何定型最终的 LSTM 模型。如何 […]

长短期记忆递归神经网络是为序列预测而开发的。除了序列预测问题。LSTM 还可以用作生成模型。在本教程中，您将了解 LSTM 如何用作生成模型。完成本教程后，您将了解：关于生成模型，重点关注 […]

关于用于序列到序列预测的编码器-解码器 LSTM 的入门介绍，附有 Python 代码示例。编码器-解码器 LSTM 是一种递归神经网络，旨在解决序列到序列问题，有时也称为 seq2seq。序列到序列预测问题具有挑战性，因为输入和输出序列中的项目数量可能不同。例如，文本翻译和学习执行 […]

关于 CNN LSTM 递归神经网络的入门介绍，附有 Python 代码示例。具有空间结构（如图像）的输入很难用标准的 Vanilla LSTM 进行建模。CNN 长短期记忆网络（简称 CNN LSTM）是一种 LSTM 架构，专为具有空间输入的序列预测问题（如图像或视频）而设计。 […]

关于堆叠 LSTM 的入门介绍，附有 Python 代码示例。原始 LSTM 模型由单个隐藏 LSTM 层后跟一个标准前馈输出层组成。堆叠 LSTM 是此模型的扩展，它具有多个隐藏 LSTM 层，其中每个层包含多个记忆单元。在本教程中， […]

长短期记忆 (LSTM) 递归神经网络是目前最有趣的一种深度学习。它们已被用于在复杂问题领域（如语言翻译、自动图像字幕和文本生成）中展示世界一流的成果。LSTM 与多层感知机和卷积神经网络不同，因为它们 […]

长短期记忆 (LSTM) 递归神经网络是一种强大的深度学习类型，适用于序列预测问题。使用 LSTM 可能令人担忧的一点是，模型的附加复杂性是否能提高模型的技能，或者实际上是否导致技能低于更简单的模型。在本教程中，您 […]