편집
1,408
번
바뀜
둘러보기로 가기
검색하러 가기
잔글1번째 줄:
1번째 줄: + + 21번째 줄:
23번째 줄: + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
→원인
== 개요 ==
== 개요 ==
케라스로 LSTM 구현해보기.
케라스로 LSTM 구현해보기.
RNN과 거의 동일하다.(옵션이나 발생하는 에러도 유사.)
== 설계 ==
== 설계 ==
X_test_t = X_test.reshape(배치사이즈, 행갯수, 열갯수)
X_test_t = X_test.reshape(배치사이즈, 행갯수, 열갯수)
</syntaxhighlight>마지막의 1은 각 셀 안의 데이터를 개별 처리하기 위한 것.(1이 없으면 한 행의 데이터가 하나의 셀로 처리된다.)
</syntaxhighlight>마지막의 1은 각 셀 안의 데이터를 개별 처리하기 위한 것.(1이 없으면 한 행의 데이터가 하나의 셀로 처리된다.)
== 옵션 ==
=== return_sequences ===
마지막 시퀀스에서 한 번만 출력할지, 각 시퀀스에서 출력할지 결정. 일반적으로 many to many 문제를 풀 때나 lstm 층을 여러개로 쌓아올릴 때 True를 사용한다.
=== stateful ===
학습샘플의 마지막 상태가 다음 학습 때 입력으로 전달할지 여부를 결정.
= 에러 =
=== loss : nan 으로 나오는 경우 ===
이거 정말.. 골때리는 에러다.
==== 원인 ====
한 번 발생하면 계속 발생하는데... 원인 찾기가 너무 힘들다..
{| class="wikitable"
!예상되는 원인
!설명
!해결방안
|-
|사용하는 데이터에 nan이 섞인 경우
|사용하는 데이터에 하나라도 nan 값이 있으면 이렇게 나온다.
학습을 시작하자마자 loss : nan 이 나오는 경우이다.
|dataframe의 dropna() 따위로 처리한다..
|-
|기욹기팽창(로스값이 너무 커서)
|로스값이 너무 커지면 학습값이 너무 커져서 어느 순간 기울기가 발산해버릴 때가 있다.
|모델의 크기를 줄이거나..(근데, 로스가 1자리 숫자여도 nan이 발생한다..)
학습률을 낮추거나.
|-
|계산 도중 log(0)이 실행된다.
|오차역전파 때 0이 전달되어 발생하는듯.
|
|-
|
|
|
|}
{| class="wikitable"
!해볼 수 있는 시도
!설명
|-
|dropout 값을 낮춘다.
|
|-
|L1, L2 규제를 낮추거나 없앤다.
|
|-
|옵티마이저를 바꾼다.
|대부분 Adam으로 바꾸라는 조언이 많은데.. 이걸 바꿔도 안없어지는 경우가 많다.)
|-
|데이터 노멀라이징.
|이걸 했는데도 발생하는 경우는 어찌할꼬....
|-
|활성화함수 바꾸기.
|적절한 활성화 함수인데도 생긴다. 어찌할꼬...
|-
|배치사이즈 늘리기.
|데이터의 배치사이즈를 크게 해서 한번에 학습되는 량이 많게끔.
|-
|경사 clipping.
|옵티마이저에서 조절할 수 있는 옵션이다.
|-
|GRU 사용 피하기
|유독 GRU를 사용할 때 잘 나타나는 에러이다.
|}
=== ValueError: Input 0 of layer lstm_1 is incompatible with the layer: expected... ===
여러 개의 LSTM 층을 쌓을 때 발생하는 에러이다. 2번째 LSTM으로 들어갈 때 기대한 Input과 실제 들어온 것이 달라 발생하는 에러로, 이전 LSTM 층에 <code>return_sequences=True</code> 옵션을 주면 된다.
[[분류:Keras]]
[[분류:Keras]]
[[분류:LSTM]]
[[분류:LSTM]]