tensorflow - CNN-LSTM 结构：后填充与前填充？

在这样的结构中：CNN -> LSTM -> Dense
输入是可变长度的（例如语音识别 CTC），需要填充。
前后填充之间的选择会影响性能吗？
我阅读了填充对 LSTM 和 CNN
的影响，只要输入层是 CNN，pre vs post 是否真的不会影响性能？

标签： tensorflowkeraslstmpaddingconv-neural-network

正如论文所示

所以如果你对 LSTM 应用后填充，你的性能显然会更差。

由于 LSTM 基于一系列数据进行学习并试图找到与过去的关系，因此在输入中添加白噪声（即 LSTM 预填充）将阻止它们建立这种关系。

如果将预填充添加到 CNN，我相信 LSTM 的性能不会受到影响，因为 CNN 的输出不会改变。

据我了解，CNN post padding 和 LSTM pre padding 是一回事，可能会导致性能更差。

一般来说，你可以通过阅读论文获得可靠的信息。在论坛中，您将了解其他人的意见。