【文件属性】：
文件名称：keras-mdn-layer:使用TensorFlow的分发模块的Keras的MDN层
文件大小：746KB
文件格式：ZIP
更新时间：2021-05-03 21:29:58
neural-network tensorflow mdn keras mixture-density-network
Keras混合物密度网络层
使用TensorFlow的发行模块的Keras的混合密度网络（MDN）层。 这使得使用神经网络进行实验变得更加简单，该神经网络预测了多个可能包含多个可能值的实值变量。
该层可以帮助构建类似于 ， ，甚至所使用的MDN- 。 您可以使用MDN做很多很酷的事情！
此实现的一个好处是您可以预测任意数量的实值。 TensorFlow的Mixture ， Categorical和MultivariateNormalDiag分布函数用于生成损失函数（多元正态分布与对角协方差矩阵混合的概率密度函数）。 在以前的工作中，通常会手动指定损失函数，这对于1D或2D预测是合适的，但此后会变得更加烦人。
提供了两个重要的功能用于训练和预测：
get_mixture_loss_func(output_dim, num_mixtures) ：此函数生成具有正确输出尺寸a和混合
【文件预览】：
keras-mdn-layer-master
----setup.py(1KB)
----.gitignore(1KB)
----requirements.txt(625B)
----LICENSE.md(1KB)
----.travis.yml(263B)
----examples()
--------4-robojam-touch-generation.py(12KB)
--------1-sineprediction.py(2KB)
----notebooks()
--------MDN-2D-spiral-prediction.ipynb(9KB)
--------context.py(232B)
--------MDN-RNN-time-distributed-MDN-training.ipynb(13KB)
--------figures()
--------MDN-1D-sine-prediction.ipynb(10KB)
--------MDN-RNN-RoboJam-touch-generation.ipynb(20KB)
--------MDN-RNN-kanji-generation-example.ipynb(16KB)
----README.md(6KB)
----mdn()
--------__init__.py(11KB)
--------tests()
--------version.py(22B)