小编Jas*_*son的帖子

如果我想从Jupyter Notebook下载所有文件和文件夹层次结构,如图所示,你知道是否还有通过简单点击而不是去每个文件夹中的每个文件来打开文件并点击下载数百次？

注意:这个Jupyter笔记本是由在线课程老师创建的,所以它不是从我当地的Acaconda应用程序打开,而是从在线课程网页打开.下载是为了将来需要时刷新内存.

我查看了 LSTM 层的 Keras 文档，有关 RNN 参数的信息如下：

keras.layers.LSTM(units, return_state=True)

参数：

return_state: 布尔值。除了输出之外，是否还返回最后一个状态。

输出形状

if return_state：张量列表。第一个张量是输出。剩下的张量是最后的状态，每个状态都有形状 (batch_size, units)

这就是关于 RNN 的 return_state 的所有信息。作为初学者，真的很难理解它到底是什么意思，剩下的张量是最后的状态，每个状态都有形状（batch_size，单位），不是吗？

我知道有细胞状态 c 和隐藏状态 a 将传递到下一个时间步。

但是当我做在线课程的编程练习时，我遇到了这个问题。波纹管是作业给出的提示。但我不明白这三个输出是什么意思。

from keras.layers import LSTM
LSTM_cell = LSTM(n_a, return_state = True)
a, _, c = LSTM_cell(input_x, initial_state=[a, c])

有人说，他们分别是（https://machinelearningmastery.com/return-sequences-and-return-states-for-lstms-in-keras/）：

1 最后一个时间步长的 LSTM 隐藏状态输出。

2 最后一个时间步长的 LSTM 隐藏状态输出（再次）。

3 最后一个时间步长的 LSTM 单元状态。

我总是将输出 a 作为 LSTM 的隐藏状态输出，而 c 作为单元状态输出。但是这个人说第一个输出是lstm输出，而第二个是隐藏状态输出，这与在线课程指令给出的提示不同（因为提示使用第一个输出作为下一个时间步的隐藏状态输出）。

谁能告诉我更多关于这方面的信息？

对于更一般的问题，比如在这种情况下，Keras 没有提供初学者友好的可理解文档或示例，如何更有效地学习 Keras？

我今天刚刚安装了新的 tf 和 cuda，但是当我运行以前与 tf-1.4 一起使用的代码时，在新的 tensorflow-2.1.0 和 cuda-10.1 下将无法运行

如何解决这个问题？

我训练了一个 GAN 来重现类似 CIFAR10 的图像。最初，我注意到生成器生成的跨一批图像看起来总是相同的，如下图所示：\n

经过几个小时的调试和与教程的比较，这对于初学者来说是一个很好的学习资源（https://machinelearningmastery.com/how-to-develop-a-generative-adversarial-network-for-a-cifar-10-small- object-photographs-from-scratch/），我只需在原始代码上添加一个字母，生成的图像就开始看起来正常（每个批次中的每个人都开始看起来彼此不同），如下图所示：\n

代码上神奇的一个字符更改是进行以下更改：

更改自：

def generate_latent_points(self, n_samples):\n        return np.random.rand(n_samples, self.latent_dim)\n

到：

def generate_latent_points(self, n_samples):\n        return np.random.randn(n_samples, self.latent_dim)\n

希望这个非常微妙的细节可以帮助那些花费数小时绞尽脑汁进行 GAN 训练过程的人。

np.random.rand给出均匀分布[0, 1)

np.random.randn给出均值 0 和方差 1 的单变量 \xe2\x80\x9cnormal\xe2\x80\x9d （高斯）分布

那么，为什么生成器的潜在种子分布差异会表现得如此不同呢？