lstm - 如何从深度知识追踪模型中获得一致的推论?
问题描述
嗨,我正在使用知识跟踪模型并使用 DKT(深度知识跟踪)。
在从这个模型中进行推断时,我有一些问题。
DKT 使用 lstm(多对多)层,每个时间步的输出是数据集中所有问题的概率。所以我的推理方法是得到最后一个时间步的输出。那正确吗??
每当我做出推论时,结果都会不断变化,这取决于随机种子。结果我应该选择哪一个(学生正确答案的概率)
解决方案
推荐阅读
- android - Android Webview 无法打开 deeplilink
- python - 在 psycopg2 中使用 Translate() 时出现 KeyError
- python - Python算法比较两个排序列表并计算有多少元素相同
- c++ - Vuforia - 如何在识别图像时仅播放一个视频
- java - 从命令行更新嵌套在耳朵内的 jar 中的类文件
- python-3.x - TypeError:names_to_saveables 必须是一个将字符串名称映射到张量/变量的字典
- plot - Graphviz 不适用于谷歌 colab
- node.js - 使用 fileget url 访问文件
- harmon.ie - Outlook 2016 Harmon.ie Sharepoint 同步已禁用
- angular - 如何在条件下继续 Observable 链