Keras 函数式 API 多输入 LSTM答案

【问题标题】：Keras functional API multiple input LSTMKeras 函数式 API 多输入 LSTM
【发布时间】：2019-03-22 01:26:47
【问题描述】：

我正在尝试使用 Keras 功能 API 构建两个输入 LSTM 模型。

这是我使用的代码：

inp_1 = 100
inp_2 = 100
out_1 = 10
N_FEATURES = 1


Input_1 = Input(shape=(inp_1, N_FEATURES), name='Input_1')
LSTM_1 = LSTM(name='LSTM_1', units=128)(Input_1)
Dense_1 = Dense(name='Dense_1', units=128)(LSTM_1)
Input_2 = Input(shape=(inp_2,), name='Input_2')
Dense_2 = Dense(name='Dense_2', units=128)(Input_2)
merge_2 = concatenate([Dense_1, Dense_2])

RepeatVector_1 = RepeatVector(out_1, name='RepeatVector_1')(merge_2)
LSTM_2 = LSTM(name='LSTM_2', units=128)(RepeatVector_1)
output = TimeDistributed(Dense(1,activation='linear'))(LSTM_2)

model = Model(inputs=[Input_1, Input_2], output=    output)

model.compile()

但是，我收到了以下我不明白的错误：

assert len(input_shape) >= 3 AssertionError

换行：

output = TimeDistributed(Dense(1,activation='linear'))(LSTM_2)

该层已经接受长度为 128 的张量。我在这里缺少什么？

【问题讨论】：

标签： python tensorflow keras

【解决方案1】：

如文件所述

输入应该是至少3D，索引一的维度将被认为是时间维度。

TimeDistributed layer 将一个层应用于输入的每个时间切片。所以你应该设置return_sequences=True在上层LSTM_2返回完整的时间序列输出。

LSTM_2 = LSTM(name='LSTM_2', units=128,return_sequences=True)(RepeatVector_1)
# LSTM_2 output shape =(?, 10, 128)

【讨论】：