带有 Lambda 函数的 HSTACK CNN 输出答案

【问题标题】：HSTACK CNN output with Lambda function带有 Lambda 函数的 HSTACK CNN 输出
【发布时间】：2018-02-16 17:21:30
【问题描述】：

我制作了一种使用CNN 和LSTM 的NN 呈现here：

在CNN 层之后，我使用Lambda 函数将每个过滤器（在CNN 创建的图像）一个接一个地提供给一个LSTM。

现在我想更改它以将所有 Filters 水平连接在一起的 LSTM 提供给 LSTM。

我见过一些水平连接图像的代码，例如：

images = encoded_imgs[0,:,:,:] // eg: first output of a CNN layer

print(images[1,1,:].size)

image=images[:,:,0]
for i in range(1,10):
    image=hstack((image,images[:,:,i]))

但我如何将它应用到 lambda 函数以更改我的示例以将所有内容输入到一个 LSTM 中？

【问题讨论】：

标签： python tensorflow keras conv-neural-network lstm

【解决方案1】：

好的，我设法在 lambda 函数之后使用合并 concat 轴 2 来“个性化”每个“过滤图像”

        conv2=Conv2D(filters,(3,3), padding="same")(conv1)
        conv2=AveragePooling2D(pool_size=(2, 1), strides=(1, 1))(conv2)
        conv2=Activation("relu")(conv2)
        channels=Dropout(0.40)(conv2)
        filtersVec=[]
        for x in range(0,filters):
            filterImg=Lambda(lambda element : element[:,x,:,:])(channels)              
            filtersVec.append(filterImg)
        merged = merge(filtersVec, mode='concat',concat_axis=2)
        lstm=Bidirectional(LSTM(20),merge_mode='concat',dropout=0.35)(merged)
        classificationLayer=Dense(classes)(lstm)
        classificationLayer=Activation("softmax")(classificationLayer)

【讨论】：