如何使用屏蔽层来屏蔽 LSTM 自动编码器中的输入/输出？

Question

我正在尝试使用 LSTM 自动编码器以可变长度的序列作为输入进行序列到序列学习，使用以下代码：

inputs = Input(shape=(None, input_dim))
masked_input = Masking(mask_value=0.0, input_shape=(None,input_dim))(inputs)
encoded = LSTM(latent_dim)(masked_input)

decoded = RepeatVector(timesteps)(encoded)
decoded = LSTM(input_dim, return_sequences=True)(decoded)
sequence_autoencoder = Model(inputs, decoded)
encoder = Model(inputs, encoded)

其中inputs 是用 0 填充到相同长度的原始序列数据 (timesteps)。使用上面的代码，输出的长度也是timesteps，但是当我们计算损失函数时，我们只需要输出的第一个Ni元素（其中Ni是输入序列i的长度，不同的长度可能不同序列）。有谁知道有什么好办法吗？

谢谢！

Answer 1

对于这个 LSTM 自动编码器架构，我假设你理解，由于 LSTM 编码器层的 return_sequences=False，Mask 在重复向量处丢失。

所以另一个选项，而不是像上面那样裁剪，也可以是传播掩码的create custom bottleneck layer。

Answer 2

选项 1：如果您接受单独训练批次，则始终可以在不使用填充的情况下进行训练。

请参阅此答案，了解一种分离等长批次的简单方法：Keras misinterprets training data shape

在这种情况下，您所要做的就是以另一种方式执行“重复”操作，因为您在训练时没有确切的长度。

所以，你可以用这个代替RepeatVector：

import keras.backend as K

def repeatFunction(x):

    #x[0] is (batch,latent_dim)
    #x[1] is inputs: (batch,length,features)

    latent = K.expand_dims(x[0],axis=1) #shape(batch,1,latent_dim)
    inpShapeMaker = K.ones_like(x[1][:,:,:1]) #shape (batch,length,1)

    return latent * inpShapeMaker

#instead of RepeatVector:
Lambda(repeatFunction,output_shape=(None,latent_dim))([encoded,inputs])

Option2（不好闻）：在 RepeatVector 之后使用另一个掩码。

我试过这个，它可以工作，但我们最后没有得到 0，我们得到最后一个值重复直到最后。因此，您将不得不在目标数据中进行奇怪的填充，重复最后一步直到结束。

示例：目标 [[[1,2],[5,7]]] 必须是 [[[1,2],[5,7],[5,7],[5,7] ...]]

我认为这可能会使您的数据严重失衡......

def makePadding(x):

    #x[0] is encoded already repeated  
    #x[1] is inputs    

    #padding = 1 for actual data in inputs, 0 for 0
    padding =  K.cast( K.not_equal(x[1][:,:,:1],0), dtype=K.floatx())
        #assuming you don't have 0 for non-padded data

    #padding repeated for latent_dim
    padding = K.repeat_elements(padding,rep=latent_dim,axis=-1)

    return x[0]*padding

inputs = Input(shape=(timesteps, input_dim))
masked_input = Masking(mask_value=0.0)(inputs)
encoded = LSTM(latent_dim)(masked_input)

decoded = RepeatVector(timesteps)(encoded)
decoded = Lambda(makePadding,output_shape=(timesteps,latent_dim))([decoded,inputs])
decoded = Masking(mask_value=0.0)(decoded)

decoded = LSTM(input_dim, return_sequences=True)(decoded)
sequence_autoencoder = Model(inputs, decoded)
encoder = Model(inputs, encoded)

选项 3（最佳）：直接从输入中裁剪输出，这也消除了梯度

def cropOutputs(x):

    #x[0] is decoded at the end
    #x[1] is inputs
    #both have the same shape

    #padding = 1 for actual data in inputs, 0 for 0
    padding =  K.cast( K.not_equal(x[1],0), dtype=K.floatx())
        #if you have zeros for non-padded data, they will lose their backpropagation

    return x[0]*padding

....
....

decoded = LSTM(input_dim, return_sequences=True)(decoded)
decoded = Lambda(cropOutputs,output_shape=(timesteps,input_dim))([decoded,inputs])