KERAS：使用 return_sequence = True 获取 SLICE 的 RNN 时间步长

Posted 2023-02-16

【中文标题】KERAS：使用 return_sequence = True 获取 SLICE 的 RNN 时间步长

【英文标题】：KERAS: Get a SLICE of RNN timesteps with return_sequence = True

【发布时间】：2019-03-11 05:21:54

【问题描述】：

我的问题很简单，但似乎没有解决。

输入: (bs, timesteps, input_dim) --> Tensor("stack:0", shape=(?, 4, 400), dtype=float32 )

图层： output = LSTM(100, input_shape = (timesteps, input_feature), return_sequence = True) (input)

期望: (bs, timesteps, output_dim) --> Tensor("gru_20/transpose_1:0", shape=(?, 4, 100), dtype =float32)

输出：Tensor("gru_20/transpose_1:0", shape=(?, ?, 100), dtype=float32)

为什么 Keras 不推断时间步数，即使它接收到 input_shape？当我使用模型摘要时，它显示的结果具有正确的输出形状：

---

lstm_2 (LSTM) (无, 4, 100) 3232

但不是在施工期间。因此，当我想通过使用 unstack(output, axis=1)] 将张量解堆叠到每个时间步 * (bs, 10) 的张量列表时，我收到了这个错误：ValueError: Cannot infer num from shape (?, ?, 100)

我的错误在哪里？

顺便说一句。添加 TimeDistributed(Dense(100))(questions) 会导致正确的输出暗淡： Tensor("time_distributed_17/Reshape_1:0", shape=(?, 4, 100), dtype=float32) 但是由于共享权重，这不是一个选择。如果没有，解决方法是什么？

【问题讨论】：

我不知道为什么会这样，但是，作为一种解决方法，如果您需要输出正确的形状，您可以使用Reshape 层来强制它。

感谢您的回答。可能我做错了，因为我遇到了错误。使用：newoutput = Reshape((4, 100))(output) 应该导致 (None, 4, 100) 但错误：ValueError：新数组的总大小必须保持不变。通过使用 -1 进行推理，例如 newoutput = Reshape((-1, 100))(output) 再次导致 (?,?,100)。也不能与 TimeDistributed 结合使用

【参考方案1】：

解决方法可能是乘以 1（不变）。

workaround = TimeDistributed(Lambda(lambda x: x * 1.0))(output)

推理在这里起作用：

Tensor("time_distributed_17/Reshape_1:0", shape=(?, 4, 100), dtype=float32)

在使用return_sequences=True 时是否总是需要TimeDistributed 层？