将 LSTM 添加到 keras 中的 conv2D 层答案

【问题标题】：Adding LSTM to conv2D layers in keras将 LSTM 添加到 keras 中的 conv2D 层
【发布时间】：2018-03-30 15:12:04
【问题描述】：

我有一个 64x60x4 的输入形状，用于强化学习代理玩马里奥。问题是，看起来很“如果屏幕看起来像这样，那就那样做”，这对这个问题不是很好。

我想在 Keras (TensorFlow) 中的 3 个 conv2D 层之后添加一个 LSTM 层，但它抱怨它需要 5 个维度，但收到了 4 个。当我玩这些层时，它变成了 6 和 5。

那么，如何将 LSTM 层放入以下模型，其中 input_shape 为 64x60x4（4 帧是最后 4 帧，用于帮助学习物体的加速度和方向）：

image_input = Input(shape=input_shape)

out = Conv2D(filters=32, kernel_size=8, strides=(4, 4), padding=padding, activation='relu')(image_input)

out = Conv2D(filters=64, kernel_size=4, strides=(2, 2), padding=padding, activation='relu')(out)

out = Conv2D(filters=64, kernel_size=4, strides=(1, 1), padding=padding, activation='relu')(out)

out = MaxPooling2D(pool_size=(2, 2))(out)

out = Flatten()(out)

out = Dense(256, activation='relu')(out)

### LSTM should go here ###

q_value = Dense(num_actions, activation='linear')(out)

欢迎任何其他建议/指针。

【问题讨论】：

这可能对您有帮助吗？ stackoverflow.com/questions/47470385/…

标签： python tensorflow keras

【解决方案1】：

在你的 MaxPooling 层之后，我会建议这样的东西）

out = Reshape((64, -1))(out)
out = LSTM(...)(out)
out = Flatten...

另外，我不建议从 32 个过滤器开始然后上升，我建议从 64 个开始然后下降，但是嘿，你可以。此外，我建议针对不同方面使用单独的 CNN 层，例如分数、时间……等。除此之外，一切都准备好了。

【讨论】：