如何将双向 LSTM 层与 Covnet 相结合？

Question

例如我有以下模型，

model = Sequential()
model.add(Bidirectional(LSTM(100, return_sequences=True),input_shape=(X.shape[1],X.shape[2]),merge_mode='concat'))

keras.layers.convolutional.Conv1D()

model.add(Dense(1))

model.compile(loss="binary_crossentropy" , optimizer="adam" , metrics=["accuracy"])

但是，我不确定如何让 Conv1D 与 LSTM 层一起工作。这有可能吗？输入数据的格式为，

X = X.reshape(-1,10,64)

有什么想法吗？

Answer 1

一维卷积和 LSTM 使用相同的输入形状：(batchSize, lengthOrSteps, featuresOrChannels)。

因此，将它们堆叠在一起是完全可以的。

为此，您需要 LSTM 具有 return_sequences=True，因此它保持 lengthOrSteps 维度。否则它将 return 只是 (batchSize,cells) 而不是 (batchSize,lengthOrSteps,cells).

但即便如此，也没有义务像这样连接它们。事实上，只要你正确地塑造事物，你就可以将一切事物联系起来。（例如，使用 Reshape() 层）。可能性是无限的。

如何将双向 LSTM 层与 Covnet 相结合？

How to combine a Bidirectional LSTM layer with a Covnet?

python

machine-learning

lstm

keras