在Keras中添加SimpleRN或LSTM层的问题
我开始学习RNN，并尝试在Keras中实现SimpleRNN。这是我的代码：
>>> from keras.models import Sequential
>>> from keras.layers import Embedding, SimpleRNN
>>> model = Sequential()
>>> model.add(Embedding(10000, 32))
>>> model.add(SimpleRNN(32))
>>> model.summary()
系统抛出以下错误：
回溯（最后一次调用）：模型中第1行的文件“”。添加（SimpleRN（32））文件“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site packages/keras/engine/sequential.py”，第187行，在调用返回super（RNN，self）中的add output_tensor=layer（self.outputs[0]）文件“/Library/Frameworks/Python.Frameworks/Frameworks/3.6/lib/python3.6/site packages/keras/layers/relati。调用（输入，**kwargs）文件“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site packages/keras/engine/base_layer.py”，第460行，在call output=self中。调用（输入，**kwargs）文件“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site packages/keras/layers/recurrentials.py”，第1030行，在调用初始状态=初始状态文件“/Library/Frameworks/Python.framework/Versions/3.6/site packages/keras/layers/recurrentials.py”中，第609行，在调用输入_length=timesteps）文件“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site packages/keras/backend/tensorflow_backend.py”中，第2957行，在rnn maximum_iterations=input_length）类型错误：while_loop（）得到一个意外的关键字参数“maximum_iterations”
我使用的是Python 3.6和Keras 2.2。0.我尝试了几件事，但无法解决。请帮忙。
问候维韦克
共有1个答案
我有同样的问题与Keras 2.2.0和Tensorflow 1.8.0
比我安装的Keras-2.2.0伴随着Tensorflow-1.8.0 for CPU通过以下命令：
conda install -c hesi_m keras
问题解决了。
我建议你使用水蟒，它使生活更容易。
谢谢
-
我正在开发一款使用强化学习的赛车游戏。为了训练模型，我在实现神经网络时面临一个问题。我找到了一些使用CNN的例子。但似乎添加额外的LSTM层将提高模型效率。我找到了以下示例。 https://team.inria.fr/rits/files/2018/02/ICRA18_EndToEndDriving_CameraReady.pdf 我需要实施的网络 问题是我不确定如何在这里实现LSTM层。我如何
-
我想创建一个Keras模型，包括一个嵌入层，然后是两个具有dropout 0.5的LSTM，最后是一个具有softmax激活的密集层。 第一个LSTM应该将顺序输出传播到第二层，而在第二层中，我只想在处理完整个序列后获得LSTM的隐藏状态。 我尝试了以下方法： 但是，我遇到以下错误： 显然，LSTM并没有返回我所期望的形状输出。如何修复此问题？
-
在keras中。应用程序中，有一个VGG16模型在imagenet上预先培训过。 该模型具有以下结构。 我想用密集层（fc1、fc2和预测）之间的缺失层微调此模型，同时保持模型的所有预训练权重不变。我知道可以使用
-
我想使用Keras实现下图中描述的模型，但我不知道如何实现。 如果模型的输入像，我需要如何实现它？
-
嘿，伙计们，我已经建立了一个有效的LSTM模型，现在我正在尝试（不成功）添加一个嵌入层作为第一层。 这个解决方案对我不起作用。在提问之前，我还阅读了这些问题：Keras输入解释：输入形状、单位、批次大小、尺寸等，了解Keras LSTM和Keras示例。 我的输入是一种由27个字母组成的语言的字符的单键编码（1和0）。我选择将每个单词表示为10个字符的序列。每个单词的输入大小是（10,27），我有
-
我试图在Windows10机器上用Python 3.5.2 | Anaconda4.2.0（64位）实现图像序列预测。我有keras和tensorflow的最新版本。 每个图像都是160x128。我的培训集是1008个图像，大小为1008x160x128x1。我想做一个简单的网络，有一个卷积层和一个LSTM层，现在，每个图像被卷积以提取特征，然后输入LSTM以了解时间依赖性。输出应为k（在k=1以