Keras 3D 目标预测答案

【问题标题】：Keras 3D target predictionKeras 3D 目标预测
【发布时间】：2017-10-30 16:51:25
【问题描述】：

我需要一个模型来输出形状为(3,2) 的回归目标，其中3 是事件数，每个事件都有X and Y 坐标。输入数据可以跨越 1 个或多个时间步长。这是我的模型示例，用于输入具有一个时间步长的情况。

model = Sequential()
model.add(Embedding(vocab_size + 1, embedding, input_length=1))
model.add(LSTM(hidden, recurrent_dropout=0.1, return_sequences=True))
model.add(Flatten())
model.add(RepeatVector(3))
model.add(LSTM(2, return_sequences=True))

模型编译并运行，但它在 3 个事件中为 X, Y 生成相同的值。我认为这是因为RepeatVector 层。我还能如何确保我的输出是(None, 3, 2)？

【问题讨论】：

标签： python tensorflow keras lstm keras-layer

【解决方案1】：

首先提示：如果一个“句子”应该产生 3 个事件，我认为你不应该使用input_length=1，而应该使用input_length=lengthOfTheSentences。

拥有一个处理长度为 1 的序列的LSTM 层并不是一个优势。

您说得对，RepeatVector 导致了 3 次相同的结果。

现在，根据“您的模型应该如何检测这些事件”，不同的方法可能会更好。

这些句子是否是“事件可能‘沿着’发现的序列”？
这些句子是“静态决定事件的想法”吗？

按照第二种方法，我想说你可以像这样使用第一个 LSTM：

LSTM(hidden, return_sequence=False)

其中 hidden 必须为 6。（您可以使用更多隐藏层 return_sequences=True，但重要的是最后一个的输出数量与 6 兼容）。

然后你以你的事件的形式重塑结果：

Reshape((3,2))

例子：

model = Sequential()
model.add(Embedding(vocab_size + 1, embedding, input_length=sentenceLength))
model.add(LSTM(hidden1, recurrent_dropout=0.1, return_sequences=True))
model.add(LSTM(hidden2, recurrent_dropout=0.1, return_sequences=True))
model.add(LSTM(hidden3, recurrent_dropout=0.1, return_sequences=True))
model.add(LSTM(6, recurrent_dropout=0.1, return_sequences=False))
model.add(Reshape((3,2)))

【讨论】：