如何不在Keras中用`TimeDistributed`層輸出序列？

我目前與Keras一起工作LSTM，並且我有一個關於TimeDistributed層的問題。如何不在Keras中用`TimeDistributed`層輸出序列？

假設我有一個TimeDistributed圖層，其輸入內容類似(batch_size,timesteps,num_features1)。它會輸出類似(batch_size,timesteps,num_features2)。

我想反而輸出類似(batch_size,num_features2)的東西。可能嗎？

這將是將一個帶有return_sequence = True的LSTM圖層堆疊到緻密層（使用TimeDistributed圖層），然後返回到接受像(batch_size,nb_features)這樣的輸入的「經典」密集圖層。

在此先感謝！

伯努瓦

來源

2017-03-03 BenDes

這意味着你想壓縮時間維度 - 你想怎麼做？最流行的方法是「全球共享」。以計時或採取最後的輸出。 –

這個想法可能不是返回'（batch_size，timesteps，num_features）'，我可以返回類似'（batch_size，timesteps）'的東西。謝謝，我會參與'全球共享'。 – BenDes

關於您的問題的標題，事情是，TimeDistributed被設置爲應用並保留時間維度，因此無論如何它都會返回時間序列。您可以通過TimeDistributed影響唯一的功能是每個時間步的功能數量。您可以通過應用一個尺寸爲1的圖層將其縮小爲一個特徵，然後將其平坦化。但你不能從（None，timeteps，features）轉到（None，feat_1，feat-2）。我仍然不知道我得到你的問題 –

我不知道確切地明白你想要所以我會把這裏的網絡，我認爲是你想要什麼。如果不是，請編輯您想要的網絡草稿和每個步驟的形狀。知道你想用這個網絡實現什麼會更容易。

model = sequential() 
# shape = (None,timesteps, num_feat1) 
model.add(TimeDistributed(Dense(num_feat2)) 
# shape = (None,timesteps, num_feat2) 
model.add(LSTM(1, return_sequence=True)) 
# shape = (None, timesteps, 1) 
model.add(Flatten()) 
# shape = (None, timesteps) 
model.add(Dense(num_outputs_desired)) 
# shape = (None, outputs)

是你想要的嗎？這（1）在每個時間步驟上均等地轉換初始特徵，並且密集層時間分佈，（2）用lstm處理該序列，在每個步驟返回1個值，（3）使用密集層將值序列轉換爲期望的輸出（我不知道它應該如何，你的模型的目標是什麼？）。

來源

2017-03-03 18:19:11

是的，這正是我想要的！謝謝納西姆。我不知道'model.add（Flatten（））' – BenDes

歡迎:)很高興它幫助 –

如何不在Keras中用`TimeDistributed`層輸出序列？

回答

相關問題