如何在keras中堆叠多个lstm？- AskGo

如何在keras中堆叠多个lstm？

deep-learning

keras

keras-layer

lstm

我正在使用深度学习库keras，并尝试没有运气就堆叠了多个LSTM。下面是我的代码

model = Sequential()
model.add(LSTM(100,input_shape =(time_steps,vector_size)))
model.add(LSTM(100))

上面的代码在第三行中返回错误Exception: Input 0 is incompatible with layer lstm_28: expected ndim=3, found ndim=2

输入X是形状的张量（100,250,50）。我在张量流后端上运行keras

参考资料：

Stack Overflow

2020-05-30 21:48:26 更新

Rex Kipling• 657

共 2 个回答

高赞时间活跃

@DanielAdiwardana的答案的详细说明。我们需要为除最后一层之外的所有LSTM层添加return_sequences = True 。

将此标志设置为True可使Keras知道LSTM输出应包含所有历史生成的输出以及时间戳（ 3D ）。因此， 下一个LSTM层可以进一步处理数据。

如果此标志为false ，则LSTM仅返回最后一个输出（ 2D ）。这样的输出对于另一个LSTM层来说还不够好 。

# expected input data shape: (batch_size, timesteps, data_dim)
model = Sequential()
model.add(LSTM(32, return_sequences=True,
               input_shape=(timesteps, data_dim)))  # returns a sequence of vectors of dimension 32
model.add(LSTM(32, return_sequences=True))  # returns a sequence of vectors of dimension 32
model.add(LSTM(32))  # return a single vector of dimension 32
model.add(Dense(10, activation='softmax'))

在侧面注意 ：::添加了最后一个密集层，以获取用户所需格式的输出。这里的Dense（10）表示将使用softmax激活生成10个不同的类输出。

如果您将LSTM用于时间序列 ，则应具有Dense（1）。因此只给出一个数字输出。

2020-05-30 21:49:04 更新

花飞英• 623

您需要在第一层添加return_sequences=True ，以便其输出张量具有ndim=3 （即批大小，时间步长，隐藏状态）。

请参见以下示例：

# expected input data shape: (batch_size, timesteps, data_dim)
model = Sequential()
model.add(LSTM(32, return_sequences=True,
               input_shape=(timesteps, data_dim)))  # returns a sequence of vectors of dimension 32
model.add(LSTM(32, return_sequences=True))  # returns a sequence of vectors of dimension 32
model.add(LSTM(32))  # return a single vector of dimension 32
model.add(Dense(10, activation='softmax'))

来自： https ://keras.io/getting-started/sequential-model-guide/（搜索“ stacked lstm”）

2020-05-30 21:48:56 更新