使用可变数量的特征训练 Keras LSTM 模型

Question

我正在 Keras 中训练一个 seq-to-seq 自动编码器，我的输入是 (num_examples, time_step, num_features)。问题是，所有示例的 num_features 并不相同，此外，我将在未来获得更多未知 num_feature 大小的示例。

到目前为止我的代码是：

    # model architecture
    inputs = Input(shape=data.shape[1:])

    encoded1 = LSTM(32, return_sequences=True)(inputs)
    encoded2 = LSTM(32)(encoded1)

    latent_space = Dense(encoding_size)(encoded2)

    decoded1 = RepeatVector(1)(latent_space)
    decoded2 = LSTM(encoding_size, return_sequences=True)(decoded1)

    sequence_autoencoder = Model(inputs, decoded2)

我试过：inputs = Input(shape=(1, None)) 但它抛出错误。关于我如何解决这个问题有什么想法吗？

Answer 1

在使用 lstm 时，可以通过将 None 设置为输入形状中的时间步来处理输入的可变大小。

inputs = Input(shape=(BATCH_SIZE,None,channels))

通过这种方式，您可以将可变大小的输入馈送到 LSTM。

使用可变数量的特征训练 Keras LSTM 模型

Train Keras LSTM model with a variable number of features

autoencoder

lstm

keras

recurrent-neural-network