在keras中为LSTM模型提供不同大小的输入

Question

我在 keras 中有一个 multi-class(4-class) classification 模型，看起来像 1

训练时，模型期望输入形状为 (None,None,300)。也就是说，如果有'n'个不同的输入序列，那么输入的shape应该是(n,None,300)。在我的例子中，每个输入序列的大小是不同的。例如，输入序列的形状为 (1000,300)、(1500,300)、(1200,300) 和 (2000,300)。现在我需要将它们放在一起为 (4,None,300)。我尝试使用 numpy 数组，但 numpy 数组不会给出 (4,None,300) 的形状，而是 (4L,).

现在我想知道如何训练我的模型？是否可以使用 numpy 数组或任何不同的数据结构可用？

Answer 1

由于您的序列具有不同的持续时间，您可以考虑用零填充它们（相应地调整 loss/labels），然后

max_duration = 2000
in_ = np.zeros((4, max_duration, 300), dtype='f4')
for i in xrange(4):
    # fit sequence
    in_[i,:len(seq[i]),:] = seq[i]

在keras中为LSTM模型提供不同大小的输入

Giving input of different sizes to LSTM model in keras

python

neural-network

deep-learning

lstm

keras