keras - TimeDistributed 层与 ConvLSTM-2D
解决方案
两者都适用于数据序列。
Time Distributed 是一个非常简单的层封装器,它只在每个时间点应用一个层(通常是密集层)。当你需要改变输出张量的形状,尤其是特征的维度,而不是样本大小和时间步长时,你需要它。
ConvLSTM2D,要复杂得多。您需要先了解 cnn 和 rnn 层,其中 LSTM 是最流行的 rnn 之一。LSTM 本身应用于一系列张量,用于 NLP、时间序列,并且每个时间步的输入都是一维的。cnn,conv部分,通常用于从图像中学习,图像是二维的,但没有序列(时间步长)。结合在一起,convLSTM 用于学习序列中的图像,如视频。
推荐阅读
- powershell - 删除 HTML 中的区域
- ruby-on-rails - Ransack Rails - 数组中的一个参数
- javascript - 如何循环遍历vuejs中的嵌套数组
- python - 如何替换所有数字,除了python中的特定数字?
- php - PHP 在按钮单击时执行 Python 脚本
- django - Django restful API - 使用令牌获取用户 ID
- visual-studio-code - 连接 ENOENT /usr/local/bin/Library/Application Support/Code/1.25.1-shared.sock
- twitter-bootstrap - 内部组成和文本之间的引导空间
- python - Python:从if语句条件的列表中删除一个项目?
- android - 从材料组件上的按钮中删除等宽字体