时间戳

首页 > 解决方案 > 训练具有可变数量特征的 Keras LSTM 模型

keras - 训练具有可变数量特征的 Keras LSTM 模型

问题描述

我正在 Keras 中训练一个 seq-to-seq 自动编码器，我的输入是(num_examples, time_step, num_features). 问题是，num_features并非所有示例都相同，此外，我将来会获得更多未知num_feature大小的示例。

到目前为止，我的代码是：

    # model architecture
    inputs = Input(shape=data.shape[1:])

    encoded1 = LSTM(32, return_sequences=True)(inputs)
    encoded2 = LSTM(32)(encoded1)

    latent_space = Dense(encoding_size)(encoded2)

    decoded1 = RepeatVector(1)(latent_space)
    decoded2 = LSTM(encoding_size, return_sequences=True)(decoded1)

    sequence_autoencoder = Model(inputs, decoded2)

我试过：inputs = Input(shape=(1, None))但它会引发错误。关于我如何解决这个问题的任何想法？

标签： keraslstmrecurrent-neural-networkautoencoder

解决方案

在使用 lstm 时，可以通过在输入形状中将 None 设置为 timestep 来处理不同大小的输入。

inputs = Input(shape=(BATCH_SIZE,None,channels))

通过这种方式，您可以将可变大小的输入提供给 LSTM。

推荐阅读