如何在 Keras 中建模卷积循环网络 (CRNN)

Posted 2023-03-12

【中文标题】如何在 Keras 中建模卷积循环网络 (CRNN)

【英文标题】：How to model Convolutional recurrent network ( CRNN ) in Keras

【发布时间】：2018-06-29 14:26:14

【问题描述】：

我试图将 CRNN 模型移植到 Keras。

但是，我在将 Conv2D 层的输出连接到 LSTM 层时卡住了。

CNN 层的输出将具有 (batch_size, 512, 1, width_dash) 的形状，其中第一个取决于 batch_size，最后一个取决于输入的输入宽度（此模型可以接受变量宽度输入）

例如：形状为 [2, 1, 32, 829] 的输入结果输出形状为 (2, 512, 1, 208)

现在，按照Pytorch model，我们必须先执行 squeeze(2)，然后执行 permute(2, 0, 1) 它会产生一个形状为 [208, 2, 512 ]

的张量

我试图用 Keras 来实现，但我没能做到，因为在 Keras 中，我们无法更改 keras.models.Sequential 模型中的 batch_size 维度

有人可以指导我如何将此模型的上述部分移植到 Keras 吗？

Current state of ported CNN layer

【问题讨论】：

更新：Successfully ported Pytorch 模型进入 Keras，我能够使用 Keras-js 在 Web 浏览器中运行经过训练的模型。

【参考方案1】：

您不需要在 Keras 中置换批处理轴。在 pytorch 模型中，您需要这样做，因为 pytorch LSTM 需要输入形状 (seq_len, batch, input_size)。然而在 Keras 中，LSTM 层需要(batch, seq_len, input_size)。

因此，在定义 CNN 并挤出轴 2 之后，您只需要置换最后两个轴即可。举个简单的例子（'channels_first'Keras 图像格式），

model = Sequential()
model.add(Conv2D(512, 3, strides=(32, 4), padding='same', input_shape=(1, 32, None)))
model.add(Reshape((512, -1)))
model.add(Permute((2, 1)))
model.add(LSTM(32))

您可以使用model.summary() 验证形状：

_________________________________________________________________
Layer (type)                 Output Shape              Param #
=================================================================
conv2d_4 (Conv2D)            (None, 512, 1, None)      5120
_________________________________________________________________
reshape_3 (Reshape)          (None, 512, None)         0
_________________________________________________________________
permute_4 (Permute)          (None, None, 512)         0
_________________________________________________________________
lstm_3 (LSTM)                (None, 32)                69760
=================================================================
Total params: 74,880
Trainable params: 74,880
Non-trainable params: 0
_________________________________________________________________

【讨论】：

你能看看this question

如果 input_shape 是 (1, 3, 28) 有含义（通道、时间步、特征），那么卷积的输出将是 (512, channels, 3, 28)？跨度>