Keras關注層超過LSTM

Question

我正在使用keras 1.0.1我試圖在LSTM上添加關注層。這是我迄今爲止的，但它不起作用。

input_ = Input(shape=(input_length, input_dim)) 
lstm = GRU(self.HID_DIM, input_dim=input_dim, input_length = input_length, return_sequences=True)(input_) 
att = TimeDistributed(Dense(1)(lstm)) 
att = Reshape((-1, input_length))(att) 
att = Activation(activation="softmax")(att) 
att = RepeatVector(self.HID_DIM)(att) 
merge = Merge([att, lstm], "mul") 
hid = Merge("sum")(merge) 

last = Dense(self.HID_DIM, activation="relu")(hid) 

網絡應該在輸入序列上應用LSTM。然後，LSTM的每個隱藏狀態都應輸入一個完全連接的層，通過該層完成Softmax的應用。 softmax會針對每個隱藏維度進行復制，然後乘以LSTM隱藏狀態。然後得到的向量應該平均。

編輯：這個編譯，但我不知道它是否做我認爲應該做的。

input_ = Input(shape=(input_length, input_dim)) 
lstm = GRU(self.HID_DIM, input_dim=input_dim, input_length = input_length, return_sequences=True)(input_) 
att = TimeDistributed(Dense(1))(lstm) 
att = Flatten()(att) 
att = Activation(activation="softmax")(att) 
att = RepeatVector(self.HID_DIM)(att) 
att = Permute((2,1))(att) 
mer = merge([att, lstm], "mul") 
hid = AveragePooling1D(pool_length=input_length)(mer) 
hid = Flatten()(hid) 

Answer 1

Here與Keras注意LSTM的實現，其instantiation的一個例子。雖然我沒有嘗試過。