только я kernel_size=3 сделал

благодарю)

model.compile() обязательно нужна?

У меня так заработало, я точно не уверен, но скорее всего compile нужено что бы завести "оптимизатор", что бы он мог исполользовать loss-функцию.

Привет. Есть категорийный столбец с n значениями. Есть ли разница делать из него n столбцов со значениями 0/1 или один столбец с n значениями?
И если разница есть, то в чем.

Одна из разниц, один столбец с n значениями неявно задает отношения между категориями. Если A = 4, а B = 5, то можно прийти к выводу, что A < B, хотя в реальности может быть не так.

@ssilverain давай ещё разок :) у нас бот злой

😅

Привет ребят 🙂
Только-только нашёл чат, если вопрос не по теме - сори)

В общем,

— запилил LSTM.
— запустил тест на 200 шагов, 1 эпоха (датасет огромный, по этому пока 200 шагов, чтобы посмотреть, как себя ведёт)
— Всё начинается нормально, loss опускается к 0, но где-то к 70-му шагу начинает взрываться, и под конец доходит до +100500.
— При этом в конце эпохи val_loss = 0.46.

Может кто сталкивался с таким? Как это оценивать/где искать ошибки?

*test_dataset = нижние 10% от train_dataset

exploding gradients?

да, но почему при этом val_loss = 0.46

Возможно потому что научилась. Данные правильно разделил на train_split?

Это Lstm, он вроде как должен решать проблему с взрывающимся\исчезающим градиентом

Попробуй новые-новые данные ей подсунуть. Что predict выдаст

Может у тебя разного размера тренировочные и проверочные данные.
И ты не нормализируешь по длине предложения?

Да, с этим всё ок

это тоже проверил, ndim и длина векторов одинаковые. Распечатал и в ручную проверил - с данными всё, нормализация правильная

У меня такое с конвами было, когда где-то неправильно расставил слои