Keras LSTM-RNN layer
Dieses Issue hat noch niemand übernommen.
Bewertung
- Schwierigkeit
- 5/5
- Geschätzter Aufwand
- Über eine Woche
- Anfängerfreundlichkeit
- 25/100
- Issue-Typ
- Feature
- Klarheit
- Muss geklärt werden
- Aktivitätsstatus
- Veraltet
- Tech-Stack
- java, tensorflow
- Bereich
- machine-learning
Rechercherichtung
Es werden keine Dateien oder Tests genannt. Beginnen Sie mit der Prüfung von Issue #270 und der vorhandenen tensorflow-framework-APIs im Zusammenhang mit der Anfrage nach einer LSTM/RNN-Schicht im Keras-Stil. Als abgeschlossen gilt die Klärung, ob die angeforderte High-Level-LSTM-API in dieses Repository gehört, sowie die Definition ihres Implementierungsumfangs.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Beschreibung
Please make sure that this is a feature request. As per our GitHub Policy, we only address code/doc bugs, performance issues, feature requests and build/installation issues on GitHub. tag:feature_template
System information
- TensorFlow version (you are using): 2.3.1
- Are you willing to contribute it (Yes/No): Yes, when able and available
Describe the feature and the current behavior/state.
There is a high-level API on Keras to LSTM layers on top of RNN that allows getting LSTM output as simple as this:
lstm_module = LSTMModule(5)
lstm_input = tf.constant([[0.1, 0.2], [0.3, 0.4]], shape=[1, 2, 2])
lstm_output = lstm_module(lstm_input)
A definition of the LSTM Layer with Model Subclassing API from Tensorflow:
class LSTMModule(tf.keras.layers.Layer):
def __init__(self, lstm_dims):
super().__init__()
self.lstm_dims = lstm_dims
self.lstm = LSTM(lstm_dims, return_sequences=True, return_state=True)
def call(self, inputs):
# Forward pass
ini_hidden_state = tf.zeros(shape=[1, self.lstm_dims]), tf.zeros(shape=[1, self.lstm_dims])
return self.get_lstm_output(self.lstm, inputs, ini_hidden_state)
@staticmethod
def get_lstm_output(lstm_model, input_sequence, initial_state):
output = lstm_model(input_sequence, initial_state=initial_state)
hidden_states, hidden_state, cell_state = output[0], output[1], output[2]
return hidden_states, hidden_state, cell_state
Will this change the current api? How?
This will add a new feature to tensorflow-framework module.
Who will benefit with this feature?
Anyone that requires deep learning to solve sequence classification and prediction problems and everyone who is already familiar with Keras.
Any Other info.
This feature comes from #270
- Vorherrschende Sprache
- Java
- Sterne
- 928
- Forks
- 227
- PR-Merge-Kennzahlen
- Keine gemergten PRs in 30 T.
Beitragsleitfaden
Erste Schritte
- Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
- Forken Sie das Repository und arbeiten Sie in einem Branch.
- Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.
Mehr aus tensorflow/java
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 65/100
tensorflow/java#653 · 1 Kommentar · 4 Reaktionen ·
-
Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 25/100
tensorflow/java#621 · 4 Kommentare ·
-
Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 25/100
tensorflow/java#617 · 3 Kommentare ·
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 55/100
tensorflow/java#615 · 1 Kommentar ·
-
Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 25/100
tensorflow/java#614 · 1 Kommentar ·
Alle Issues in tensorflow/java
Ähnliche Issues
-
documentation
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 65/100
inu-appcenter/memorIN-backend#288 ·
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 65/100
-
frontend maui-pilot pilot-ask question
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 75/100
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 75/100
-
executions.Query — startDate and timeRange filters are sent with inverted comparison operators Offenarea/plugin
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 75/100
kestra-io/plugin-kestra#190 ·