Keras LSTM 多维输入

Posted 2023-02-16

【中文标题】Keras LSTM 多维输入

【英文标题】：Keras LSTM multi-dimension input

【发布时间】：2017-07-25 12:01:08

【问题描述】：

我的输入时间序列数据的形状为 (nb_samples, 75, 32)。 75 是时间步长，32 是输入维度。

model = Sequential()
model.add(LSTM(4, input_shape=(75, 32)))
model.summary()

LSTM 权重向量，[W_i, W_c, W_f, W_o] 都是 32 维，但输出只是单个值。上述模型的输出形状为 (1,4)。但是在 LSTM 中，输出也是一个向量，所以对于上面的多对一实现，它不应该是 (32,4) 吗？为什么它也为多维输入提供单个值？

【问题讨论】：

这个向量有 32 维是什么意思？这不是真的。

【参考方案1】：

正如您在Keras doc for reccurent layers 中看到的那样

对于形状 (nb_sample, timestep, input_dim) 的输入，您有两个可能的输出：

如果您在 LSTM 中设置 return_sequence=True（这不是您的情况），您将返回每个隐藏状态，因此 LSTM “读取”您的序列时的中间步骤。您会得到形状为 (nb_sample, timestep, output_dim) 的输出。

如果你设置return_sequence=False（这是默认值），它只会输出最后一个状态。所以你会得到一个形状为(nb_sample, output_dim)的输出。

所以如果你像这样定义你的 LSTM 层：

model.add(LSTM(4, return_sequence=True, input_shape=(75, 32)))

您将得到形状为(None, 75, 4) 的输出。如果 32 是您的时间维度，则您必须在将数据输入 LSTM 之前对其进行转置。第一个维度是时间维度。

我希望这会有所帮助:)