LSTM 多特征、多类、多输出

Posted 2023-03-12

【中文标题】LSTM 多特征、多类、多输出

【英文标题】：LSTM multiple features, multiple classes, multiple outputs

【发布时间】：2018-12-23 04:21:06

【问题描述】：

我正在尝试使用 LSTM 分类器根据我拥有的一些 midi 生成音乐。

LSTM 使用两个特征，音符的音高和音符的持续时间。

为了说明，假设我们有：

音高：[“A”、“B”、“C”]

持续时间：["0.5", "1", "1.5"]

您可以想象，生成的音符必须同时具有音高和持续时间。

我尝试使用 MultiLabelBinarizer 来做到这一点。

from sklearn.preprocessing import MultiLabelBinarizer
labels = [[x,y] for x in all_pitches for y in all_durations]

mlb = MultiLabelBinarizer()
mlb_value = mlb.fit_transform(labels)

这按预期划分了类，但我遇到的问题是在预测时出现的。

prediction = model.predict_proba(prediction_input)

indexes = np.argsort(prediction, axis=None)[::-1]
index1 = indexes[0]
index2 = indexes[1]

result1 = mlb.classes_[index1]
result2 = mlb.classes_[index2]

我需要音符同时具有音高和持续时间，所以这种方法似乎对我不起作用（我只能得到相同的两个音高）。

另一件事我认为是使用MultiOutputClassifier，但我似乎无法理解它们的区别，或者如何正确使用MultiOutputClassifier。

感谢您的耐心等待，对于这个可能很愚蠢的问题，我们深表歉意。

【参考方案1】：

您可以将 LSTM 输出输入到许多不同的层（通常是神经函数），从而产生不同的输出，然后在每个输出上同时训练您的模型：

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

# function definitions
lstm_function = LSTM(..args)
pitch_function = Dense(num_pitches, activation='softmax')
duration_function = Dense(num_durations, activation='softmax')
input_features = Input(input_dimensionality)

# function applications
lstm_output = lstm_function(input_features)
pitches = pitch_function(lstm_output)
durations = duration_function(lstm_output)

# model 
model = Model(inputs=[input_features], outputs=[pitches, durations])
model.compile(loss=['categorical_crossentropy', 'mse'], optimizer='RMSProp')

这可以推广到任意信息流，根据需要具有尽可能多的层/输出。请记住，您需要为每个输出定义相应的损失（或None）。

【讨论】：

完美！使用正确的形状，一切都会按预期进行。

很高兴听到这个消息！ :) 祝你的项目好运