আমার কয়টি এলএসটিএম সেল ব্যবহার করা উচিত?

আমার ব্যবহার করা উচিত ন্যূনতম, সর্বাধিক এবং "যুক্তিসঙ্গত" পরিমাণগুলির সাথে সম্পর্কিত কোনও নিয়ামক (বা প্রকৃত নিয়ম) কি আছে? বিশেষত আমি টেনসরফ্লো এবং num_unitsসম্পত্তি থেকে বেসিকএলএসটিএমসেল সম্পর্কিত করছি ।

অনুগ্রহ করে ধরে নিই যে আমার দ্বারা শ্রেণিবদ্ধকরণের সমস্যা রয়েছে:

t - number of time steps
n - length of input vector in each time step
m - length of output vector (number of classes)
i - number of training examples

উদাহরণস্বরূপ, এটি কি সত্য যে প্রশিক্ষণের উদাহরণগুলির সংখ্যাটি এর চেয়ে বড় হওয়া উচিত:

4*((n+1)*m + m*m)*c

cকোষ সংখ্যা কোথায় ? আমি এটির উপর ভিত্তি করে: কিভাবে একটি এলএসটিএম নেটওয়ার্কের পরামিতিগুলির সংখ্যা গণনা করব? আমি যেমন বুঝতে পেরেছি, এতে মোট পরামিতিগুলির সংখ্যা দেওয়া উচিত, যা প্রশিক্ষণের উদাহরণগুলির চেয়ে কম হওয়া উচিত।

rnn machine-learning r predictive-modeling random-forest python language-model sentiment-analysis encoding machine-learning deep-learning neural-network dataset caffe classification xgboost multiclass-classification unbalanced-classes time-series descriptive-statistics python r clustering machine-learning python deep-learning tensorflow machine-learning python predictive-modeling probability scikit-learn svm machine-learning python classification gradient-descent regression research python neural-network deep-learning convnet keras python tensorflow machine-learning deep-learning tensorflow python r bigdata visualization rstudio pandas pyspark dataset time-series multilabel-classification machine-learning neural-network ensemble-modeling kaggle machine-learning linear-regression cnn convnet machine-learning tensorflow association-rules machine-learning predictive-modeling training model-selection neural-network keras deep-learning deep-learning convnet image-classification predictive-modeling prediction machine-learning python classification predictive-modeling scikit-learn machine-learning python random-forest sampling training recommender-system books python neural-network nlp deep-learning tensorflow python matlab information-retrieval search search-engine deep-learning convnet keras machine-learning python cross-validation sampling machine-learning

— সম্প্রদায়
সূত্র

আমি এই কাগজটি যাচাই করেছিলাম যা অনুক্রমিক গভীর-শেখার মডেলগুলির পাশাপাশি হাইপারপ্যারামিটার টিউনিংয়ের বিষয়টিকে সুন্দরভাবে সম্বোধন করে: arxiv.org/pdf/1503.04069.pdf সংক্ষেপে তারা সুস্পষ্টভাবে পরামর্শ দেয় যে, লুকানো প্রতি LSTM ব্লকের সংখ্যা বাড়ানো স্তর কর্মক্ষমতা উন্নত করে কিন্তু আয় কমিয়ে দেয় এবং প্রশিক্ষণের সময় বাড়ায়।

— কিউববট88

প্রশিক্ষণের উদাহরণগুলির ন্যূনতম সংখ্যাটি এখানে যা আপনার রয়েছে:

4 (n m + n^{2})

$4(nm + n^2)$

আরও তথ্যের জন্য এই নিবন্ধটি দেখুন: আপনার যদি কিছু ভিজ্যুয়াল সহায়তা প্রয়োজন হয় তবে এই লিঙ্কটি দেখুন: একটি এলএসটিএম মডেলের পরামিতিগুলির সংখ্যা

স্ট্যাকের প্রতিটি স্তরের ইউনিটের সংখ্যা পৃথক হতে পারে। উদাহরণস্বরূপ টেনসরফ্লো থেকে অনুবাদ.py এ এটি 1024, 512 বা কার্যত যে কোনও সংখ্যায় কনফিগার করা যেতে পারে। ক্রস বৈধকরণের মাধ্যমে সেরা পরিসরটি পাওয়া যাবে। তবে আমি স্ট্যাকের প্রতিটি স্তরে 1000 এবং 500 সংখ্যক ইউনিট দেখেছি। আমি ব্যক্তিগতভাবে ছোট সংখ্যার সাথেও পরীক্ষা করেছি।

— আলী
সূত্র