LSTM 自动编码器

Question

我正在尝试构建一个 LSTM 自动编码器，目标是从序列中获取固定大小的向量，该向量尽可能好地表示序列。这个自动编码器由两部分组成：

• LSTM 编码器：获取一个序列并返回一个输出向量 (return_sequences = False)
• LSTM解码器：获取一个输出向量并返回一个序列（return_sequences = True）

所以，最后，编码器是多对一 LSTM，解码器是一对多 LSTM。

图片来源：Andrej Karpathy

在高层次上，编码看起来像这样（类似于here 的描述）：

encoder = Model(...)
decoder = Model(...)

autoencoder = Model(encoder.inputs, decoder(encoder(encoder.inputs)))

autoencoder.compile(loss='binary_crossentropy',
              optimizer='adam',
              metrics=['accuracy'])

autoencoder.fit(data, data,
          batch_size=100,
          epochs=1500)

data 数组的形状（训练示例数、序列长度、输入维度）为(1200, 10, 5)，如下所示：

array([[[1, 0, 0, 0, 0],
        [0, 1, 0, 0, 0],
        [0, 0, 1, 0, 0],
        ..., 
        [0, 0, 0, 0, 0],
        [0, 0, 0, 0, 0],
        [0, 0, 0, 0, 0]],
        ... ]

问题：我不知道如何进行，尤其是如何将LSTM 集成到Model 以及如何让解码器从向量生成序列。

我正在使用keras 和tensorflow 后端。

编辑：如果有人想尝试，这是我生成带有移动序列的随机序列（包括填充）的过程：

import random
import math

def getNotSoRandomList(x):
    rlen = 8
    rlist = [0 for x in range(rlen)]
    if x <= 7:
        rlist[x] = 1
    return rlist


sequence = [[getNotSoRandomList(x) for x in range(round(random.uniform(0, 10)))] for y in range(5000)]

### Padding afterwards

from keras.preprocessing import sequence as seq

data = seq.pad_sequences(
    sequences = sequence,
    padding='post',
    maxlen=None,
    truncating='post',
    value=0.
)

Answer 1

模型可以是您想要的任何方式。如果我没听错的话，你只是想知道如何用 LSTM 创建模型？

使用 LSTM

首先，您必须定义编码向量的外观。假设您希望它是一个包含 20 个元素的数组，一个一维向量。所以，形状（无，20）。它的大小取决于你，没有明确的规则可以知道理想的大小。

并且您的输入必须是三维的，例如您的 (1200,10,5)。在 keras 摘要和错误消息中，它将显示为 (None,10,5)，因为“None”表示批量大小，每次训练/预测时都会有所不同。

有很多方法可以做到这一点，但是，假设您只需要一个 LSTM 层：

from keras.layers import *
from keras.models import Model

inpE = Input((10,5)) #here, you don't define the batch size   
outE = LSTM(units = 20, return_sequences=False, ...optional parameters...)(inpE)

这对于一个非常简单的编码器来说已经足够了，它会产生一个包含 20 个元素的数组（但如果需要，您可以堆叠更多层）。让我们创建模型：

encoder = Model(inpE,outE)   

现在，对于解码器，它变得晦涩难懂。你不再有一个实际的序列，而是一个静态的有意义的向量。您可能仍然想使用 LTSM，他们会假设向量是一个序列。

但在这里，由于输入具有形状 (None,20)，因此您必须先将其重新整形为某个 3 维数组，以便接下来附加一个 LSTM 层。

重塑它的方式完全取决于您。 1 个元素的 20 个步骤？ 20 个元素的 1 步？ 2个元素的10个步骤？谁知道？

inpD = Input((20,))   
outD = Reshape((10,2))(inpD) #supposing 10 steps of 2 elements    

请务必注意，如果您不再有 10 个步骤，您将无法仅启用“return_sequences”并获得所需的输出。你将不得不工作一点。实际上，没有必要使用“return_sequences”甚至使用 LSTM，但您可以这样做。

由于在我的重塑中我有 10 个时间步（有意），因此可以使用“return_sequences”，因为结果将有 10 个时间步（作为初始输入）

outD1 = LSTM(5,return_sequences=True,...optional parameters...)(outD)    
#5 cells because we want a (None,10,5) vector.   

您可以通过许多其他方式工作，例如简单地创建一个 50 单元的 LSTM，而不返回序列，然后重新调整结果：

alternativeOut = LSTM(50,return_sequences=False,...)(outD)    
alternativeOut = Reshape((10,5))(alternativeOut)

我们的模型是这样的：

decoder = Model(inpD,outD1)  
alternativeDecoder = Model(inpD,alternativeOut)   

之后，您将模型与代码结合起来并训练自动编码器。 所有三个模型将具有相同的权重，因此您只需使用其predict 方法即可使编码器带来结果。

encoderPredictions = encoder.predict(data)

---

我经常看到用于生成序列的 LSTM 类似于预测下一个元素。

您只取序列中的几个元素并尝试找到下一个元素。然后你又向前迈了一步，依此类推。这可能有助于生成序列。

Answer 2

你可以在这里找到一个简单的序列到序列自动编码器：https://blog.keras.io/building-autoencoders-in-keras.html

Answer 3

这是一个例子

让我们创建一个由几个序列组成的合成数据。这个想法是通过自动编码器的镜头来研究这些序列。换句话说，就是降低维度或者将它们汇总成一个固定的长度。

# define input sequence
sequence = np.array([[0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9], 
                     [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8],
                     [0.2, 0.4, 0.6, 0.8],
                     [0.3, 0.6, 0.9, 1.2]])

# prepare to normalize
x = pd.DataFrame(sequence.tolist()).T.values
scaler = preprocessing.StandardScaler()
x_scaled = scaler.fit_transform(x)
sequence_normalized = [col[~np.isnan(col)] for col in  x_scaled.T]

# make sure to use dtype='float32' in padding otherwise with floating points
sequence = pad_sequences(sequence, padding='post', dtype='float32')

# reshape input into [samples, timesteps, features]
n_obs = len(sequence)
n_in = 9
sequence = sequence.reshape((n_obs, n_in, 1))

让我们设备一个简单的 LSTM

#define encoder
visible = Input(shape=(n_in, 1))
encoder = LSTM(2, activation='relu')(visible)

# define reconstruct decoder
decoder1 = RepeatVector(n_in)(encoder)
decoder1 = LSTM(100, activation='relu', return_sequences=True)(decoder1)
decoder1 = TimeDistributed(Dense(1))(decoder1)

# tie it together
myModel = Model(inputs=visible, outputs=decoder1)

# summarize layers
print(myModel.summary())


#sequence = tmp
myModel.compile(optimizer='adam', loss='mse')

history = myModel.fit(sequence, sequence, 
                      epochs=400, 
                      verbose=0, 
                      validation_split=0.1, 
                      shuffle=True)

plot_model(myModel, show_shapes=True, to_file='reconstruct_lstm_autoencoder.png')
# demonstrate recreation
yhat = myModel.predict(sequence, verbose=0)
# yhat

import matplotlib.pyplot as plt

#plot our loss 
plt.plot(history.history['loss'])
plt.plot(history.history['val_loss'])
plt.title('model train vs validation loss')
plt.ylabel('loss')
plt.xlabel('epoch')
plt.legend(['train', 'validation'], loc='upper right')
plt.show()

                                               

让我们构建自动编码器

# use our encoded layer to encode the training input
decoder_layer = myModel.layers[1]

encoded_input = Input(shape=(9, 1))
decoder = Model(encoded_input, decoder_layer(encoded_input))

# we are interested in seeing how the encoded sequences with lenght 2 (same as the dimension of the encoder looks like)
out = decoder.predict(sequence)

f = plt.figure()
myx = out[:,0]
myy = out[:,1]
s = plt.scatter(myx, myy)

for i, txt in enumerate(out[:,0]):
    plt.annotate(i+1, (myx[i], myy[i]))

这是序列的表示