如何将 LSTM 自动编码器应用于变长时间序列数据？

Question

我在本教程中阅读了LSTM-autoencoder：https://blog.keras.io/building-autoencoders-in-keras.html，并在下面粘贴了相应的keras实现：

from keras.layers import Input, LSTM, RepeatVector
from keras.models import Model

inputs = Input(shape=(timesteps, input_dim))
encoded = LSTM(latent_dim)(inputs)

decoded = RepeatVector(timesteps)(encoded)
decoded = LSTM(input_dim, return_sequences=True)(decoded)

sequence_autoencoder = Model(inputs, decoded)
encoder = Model(inputs, encoded)

在这个实现中，他们将输入固定为形状（timesteps，input_dim），这意味着时间序列数据的长度固定为timesteps。如果我没记错的话，RNN/LSTM 可以处理可变长度的时间序列数据，我想知道是否可以以某种方式修改上面的代码以接受任何长度的数据？

谢谢！

Answer 1

你可以使用shape=(None, input_dim)

但RepeatVector 将需要一些黑客直接从输入张量获取尺寸。 （代码用tensorflow，不确定theano）

import keras.backend as K

def repeat(x):

    stepMatrix = K.ones_like(x[0][:,:,:1]) #matrix with ones, shaped as (batch, steps, 1)
    latentMatrix = K.expand_dims(x[1],axis=1) #latent vars, shaped as (batch, 1, latent_dim)

    return K.batch_dot(stepMatrix,latentMatrix)


decoded = Lambda(repeat)([inputs,encoded])
decoded = LSTM(input_dim, return_sequences=True)(decoded)