小张快冲

为了将卷积神经网络和长短时记忆网络结合起来实现异常检测，我用到了keras中的Conv1D和TimeDistributed层，记录一下对涉及的参数的理解。好像有种更简单的写法，直接用Conv1D和LSTM就好了，不用借助TimeDistributed层，那种写法后续有机会再研究吧，不过使用TimeDistributed层也是有他的好处的，模型的映射更为自由（结合CNN时，一般体现在时间步的映射），能够实现一对多、多对一、多对多的映射。Conv1D卷积层中一些常见参数就不介绍了，重点介绍结合Time.

在学习LSTM时，我对网络结构总是不太清楚，看了几篇博客，特来整理一下LSTM的输入形式为三维向量：[samples, timesteps, features]samples 输入LSTM的样本的数量timesteps 窗口大小，即截取的样本长度（拿多长的样本进行预测）features 样本的维度在构建LSTM网络时，我们常用到下面的句子以下三个句子等价#表述1...

npy文件保存的是网络的权重问题：Ubuntu环境下用gedit打开npy文件，是这样的，根本看不了内容解决方法：编写如下代码，使解码后的文件内容输出在控制台import numpy as npcontext = np.load('E:/KittiSeg_pretrained0/vgg16.npy',encoding="latin1")print(context)文件位置依据自己的存...

在命令行cd到events.out.tfevents…文件所在文件夹的前一个文件目录比如，events.out.tfevents…的** 存放路径为 A/B/C/events.out.tfevents…**则命令行转到 A/B然后输入** tensorboard --logdir=C **回车成功后，命令行显示TensorBoard 1.9.0 at http://localhost:...