machine-learning - 如何在Keras中不输出 `TimeDistributed`层的序列？

Question

我目前正在使用 Keras 开发 LSTM，并且对 TimeDistributed 层有疑问。

假设我有一个 TimeDistributed 层，它接受诸如 (batch_size,timesteps,num_features1) 之类的输入。它将输出类似(batch_size,timesteps,num_features2)的内容。

我想输出类似(batch_size,num_features2)的内容。这可能吗？

这将是将 return_sequence = True 的 LSTM 层堆叠到密集层(使用 TimeDistributed 层)，然后返回到“经典”密集层，接受像 (batch_size,nb_features) 这样的输入。

提前致谢!

贝努瓦

Answer 1

我不确定是否完全理解您想要什么，因此我将在这里放置一个我认为是您想要的网络。如果不是，请使用您想要的网络草稿和每个步骤的形状来编辑您的问题。也更容易知道您想通过这个网络实现什么目标。

model = sequential()
# shape = (None,timesteps, num_feat1)
model.add(TimeDistributed(Dense(num_feat2))
# shape = (None,timesteps, num_feat2)
model.add(LSTM(1, return_sequence=True))
# shape = (None, timesteps, 1)
model.add(Flatten())
# shape = (None, timesteps)
model.add(Dense(num_outputs_desired))
# shape = (None, outputs)

这就是你想要的吗？ (1) 使用密集层时间分布在每个时间步上平等地转换初始特征，(2) 使用 lstm 处理序列，在每个步骤返回 1 个值，(3) 使用密集层将值序列转换为所需的输出(我不知道它应该如何，你的模型的目标是什么？)。