在 Tensorflow 中将 CNN 输出传递给 LSTM？

Question

假设 CNN 的输出是 [batch_size, height, width, number_of_channels] 的形状（假设格式是 channels_last），我有这种将 CNN 维度转换为 RNN 维度的方法：

def collapse_to_rnn_dims(inputs):
    batch_size, height, width, num_channels = inputs.get_shape().as_list()
    if batch_size is None:
        batch_size = -1
    return tf.reshape(inputs, [batch_size, width, height * num_channels])

确实有效。但是，我只想问一下，这是否真的是重塑 CNN 输出的正确方法，以便它们可以传递到 LSTM 层。

Answer 1

我找到了一个答案 here，虽然这个答案假设 number_of_time_steps（宽度）是动态的而不是 batch_size，但它完全符合我对手写文本识别的要求.

shape = cnn_net.get_shape().as_list()  # [batch, height, width, features]
transposed = tf.transpose(cnn_net, perm=[0, 2, 1, 3],
                          name='transposed')  # [batch, width, height, features]
conv_reshaped = tf.reshape(transposed, [shape[0], -1, shape[1] * shape[3]],
                           name='reshaped')  # [batch, width, height x features]

在 Tensorflow 中将 CNN 输出传递给 LSTM？

Passing CNN outputs to LSTM in Tensorflow?

convolution

lstm

tensorflow