python-3.x - 尝试在 Keras 中创建 BLSTM 网络时出现类型错误

Question

我对 Keras 和深度学习有点陌生。我目前正在尝试复制此 paper但是当我编译第二个模型(使用 LSTM)时，我收到以下错误:

"TypeError: unsupported operand type(s) for +: 'NoneType' and 'int'"

该模型的描述是这样的:

输入(长度 T 是设备特定的窗口大小)

带滤波器的并行一维卷积 size 3、5 和 7
分别，stride=1 , number of filters=32 ,activation type=linear , border mode=same

连接输出的合并层
并行一维卷积

双向 LSTM 由前向 LSTM 组成
和一个反向 LSTM，output_dim=128

双向 LSTM 由前向 LSTM 组成
和反向 LSTM，output_dim=128

密层，output_dim=128 , activation type=ReLU

密层，output_dim= T , activation type=linear

我的代码是这样的:

from keras import layers, Input
from keras.models import Model

def lstm_net(T):
    input_layer = Input(shape=(T,1))
    branch_a = layers.Conv1D(32, 3, activation='linear', padding='same', strides=1)(input_layer)
    branch_b = layers.Conv1D(32, 5, activation='linear', padding='same', strides=1)(input_layer)
    branch_c = layers.Conv1D(32, 7, activation='linear', padding='same', strides=1)(input_layer)

    merge_layer = layers.Concatenate(axis=-1)([branch_a, branch_b, branch_c])
    print(merge_layer.shape)
    BLSTM1 = layers.Bidirectional(layers.LSTM(128, input_shape=(8,40,96)))(merge_layer)
    print(BLSTM1.shape)
    BLSTM2 = layers.Bidirectional(layers.LSTM(128))(BLSTM1)
    dense_layer = layers.Dense(128, activation='relu')(BLSTM2)
    output_dense = layers.Dense(1, activation='linear')(dense_layer)
    model = Model(input_layer, output_dense)
    model.name = "lstm_net"
    return model

model = lstm_net(40)

之后，我收到上述错误。我的目标是将一批长度为 40 的 8 个序列作为输入，并获得一批长度为 40 的 8 个序列作为输出。我在 Keras Github 上发现了这个问题 LSTM layer cannot connect to Dense layer after Flatten #818并且@fchollet 建议我应该在第一层中指定“input_shape”，但可能不正确。我放了两个打印语句，看看形状是如何变化的，输出是:

(?, 40, 96)
(?, 256)

错误发生在BLSTM2定义行上，可以查看全文 here

Answer 1

你的问题在于这三行:

BLSTM1 = layers.Bidirectional(layers.LSTM(128, input_shape=(8,40,96)))(merge_layer)
print(BLSTM1.shape)
BLSTM2 = layers.Bidirectional(layers.LSTM(128))(BLSTM1)

默认情况下， LSTM仅返回计算的最后一个元素 - 因此您的数据正在失去其顺序性。这就是处理层引发错误的原因。将此行更改为:

BLSTM1 = layers.Bidirectional(layers.LSTM(128, return_sequences=True))(merge_layer)
print(BLSTM1.shape)
BLSTM2 = layers.Bidirectional(layers.LSTM(128))(BLSTM1)

为了使第二个 LSTM的输入也具有顺序性。

除此之外 - 我宁愿不使用 input_shape在中间模型层，因为它是自动推断的。