小编Man*_*ngo的帖子

我想了解RNN,特别是LSTM如何使用Keras和Tensorflow处理多个输入维度.我的意思是输入形状是(batch_size,timesteps,input_dim),其中input_dim> 1.
我认为如果input_dim = 1,下面的图像很好地说明了LSTM的概念.
这是否意味着如果input_dim> 1则x不是单个值还有一个阵列？但是如果它是这样的那么权重也变成数组,形状与x +上下文相同？

也许这是一个非常愚蠢的问题，但我找不到如何在Keras中使用categorical_hinge的示例。我进行分类，目标是shape(,1)[-1,0,1]，所以我有3个类别。使用功能性API，我像这样设置了输出层：

输出=密集（1，名称='输出'，激活='tanh'，kernel_initializer ='lecun_normal'）（output1）

然后我申请：

model.compile（optimizer = adam，损失= {'输出'：'categorical_hinge'}，指标= ['准确性']）

结果是该模型正在收敛，但精度接近0。我该怎么做？

看来这个问题只回答了Java,但我想知道它是如何在Python中运行的.这些都一样吗？

a += b / 2

和

a += (b / 2)