python - 在 Keras 中，如何为 LSTM 层获取 3D 输入和 3D 输出

Question

在我的原始设置中，我得到了

X1 = (1200,40,1)
y1 = (1200,10)

然后，我可以完美地使用我的代码:

model = Sequential()
model.add(LSTM(12, input_shape=(40, 1), return_sequences=True))
model.add(LSTM(12, return_sequences=True))
model.add(LSTM(6, return_sequences=False))
model.add((Dense(10)))

现在，我进一步得到了另一个与X1 和y1 大小相同的时间序列数据。即，

X2 = (1200,40,1)
y2 = (1200,10)

现在，我将 X1、X2 和 y1、y2 堆叠为 3D 数组:

X_stack = (1200,40,2)
y_stack = (1200,10,2)

然后，我尝试修改我的 keras 代码:

model = Sequential()
model.add(LSTM(12, input_shape=(40, 2), return_sequences=True))
model.add(LSTM(12, return_sequences=True))
model.add(LSTM(6, return_sequences=False))
model.add((Dense((10,2))))

我希望我的代码直接使用 3D 数组 X_stack 和 y_stack，而不将它们 reshape 为 2D 数组。你能告诉我如何修改设置吗？谢谢。

Answer 1

我假设您为阵列报告的形状中某处存在错误。我猜 y_stack.shape == (1200, 10, 2)，对吗？

但是，这里有一种方法可以执行您所描述的操作:

model = Sequential()
model.add(LSTM(12, input_shape=(40, 2), return_sequences=True))
model.add(LSTM(12, return_sequences=True))
model.add(LSTM(6, return_sequences=False))
model.add(Dense(10 * 2))
model.add(Reshape((10, 2)))

网络的输出由 Dense 层创建为 2D 张量，然后由 Reshape reshape 为 3D 张量。从输入输出的角度来看，这应该像您指定的那样。