时间戳

首页 > 解决方案 > 为什么在 Keras 中包裹一层会移除另一层的内核属性？

python - 为什么在 Keras 中包裹一层会移除另一层的内核属性？

问题描述

我目前正在为时间序列预测创建一个基于 LSTM 的网络，我想尝试使用 Keras 的Bidirectional包装器来看看它是否可以提高我的准确性。

但是，添加包装器会导致我的输出层丢失其kernel属性，这是有问题的，因为我的优化器尝试访问它，导致编译期间崩溃。

也就是说，当我这样做时：

model = Sequential()
model.add(LSTM(
    100,
    batch_input_shape=(batch_size, look_back, features),
))
model.add(Dense(1))

print(hasattr(model.layers[-1], 'kernel'))

真的

但是当像这样包装 LSTM 时：

model = Sequential()
model.add(Bidirectional(LSTM(
    100,
    batch_input_shape=(batch_size, look_back, features),
)))
model.add(Dense(1))

print(hasattr(model.layers[-1], 'kernel'))

错误的

标签： pythontensorflowmachine-learningkeras

解决方案

解决方案是让您的网络预测某些内容，然后使用您的自定义优化器对其进行编译：

model = Sequential()
model.add(Bidirectional(LSTM(
    100,
    batch_input_shape=(batch_size, look_back, features),
)))
model.add(Dense(1))

model.predict(np.zeros((batch_size, look_back, features)))
print(hasattr(model.layers[-1], 'kernel'))
model.compile(optimizer=CustomOptimizer(), loss='mse')

真的

推荐阅读