在 seq2seq 模型中添加更多层答案

【问题标题】：Add more layers in seq2seq model在 seq2seq 模型中添加更多层
【发布时间】：2018-04-13 20:52:24
【问题描述】：

在 fchollet 给出的示例seq2seq 代码中，如何向编码器和解码器添加更多 LSTM 层？我在形状上遇到了一些麻烦，总的来说有点困惑。谢谢。

【问题讨论】：

标签： python machine-learning keras layer seq2seq

【解决方案1】：

Keras 的函数式 api 让您可以调用层。这使您可以通过调用将另一个层链接到现有层的输出之上。例如这里：

encoder_inputs = Input(shape=(None, num_encoder_tokens))
encoder = LSTM(latent_dim, return_sequences=True)
encoder_outputs, state_h, state_c = LSTM(latent_dim, return_state=True)(encoder(encoder_inputs))

【讨论】：

我试过了，我收到了这个错误 - ValueError: Layer lstm_2 was called with an input that is not a symbolic tensor.接收类型：。完整输入：[]。该层的所有输入都应该是张量。
你设法让它工作了吗？我有同样的问题。特别是在推理过程中，我们如何重构解码器
@AmelMusic 是的，如果您仔细操作，它会起作用。我已经为 2 层 LSTM 定义了类似的内容：c1、h1、c2、h2 等。还要确保将第一层的“return_sequences”设置为 True。也阅读有关“Model()”的文档，这有助于我理解发生了什么。（不幸的是，我的代码太长且令人困惑，所以我决定描述一下我所做的事情，并且它奏效了。）