如何在 Keras 中声明多输入 LSTM 模型？答案

【问题标题】：How to declare multiple inputs LSTM model in Keras?如何在 Keras 中声明多输入 LSTM 模型？
【发布时间】：2017-07-29 19:36:55
【问题描述】：

我有一个 Keras 的声明 LSTM 的代码。但是我注意到 Container 类已经在最新版本中被删除了。 https://keras.io/layers/containers/

如何以最新格式为 LSTM 声明多个输入？我想连接 LSTM 输入的所有输入。

虽然我注意到一个类似的帖子，但我想做的是声明模型。 How to work with multiple inputs for LSTM in Keras?

keras 1.2.2
Python 3.5.2（Anaconda 4.1.1，64 位）

```

g = Graph()
g.add_input(
    name='i1',
    input_shape=(None, i1_size)
)
g.add_input(
    name='i2',
    input_shape=(None, i2_size)
)
g.add_node(
    LSTM(
        n_hidden,
        return_sequences=True,
        activation='tanh'
    ),
    name='h1',
    inputs=[
        'i1',
        'i2'
    ]
)

```

哦，我可以像下面这样将 input_shape 设置为 (i1_size+i2_size) 吗？

model = Sequential()
model.add(LSTM(n_hidden, input_shape=(None, i1_size+i2_size), activation='tanh', return_sequences=True))

【问题讨论】：

标签： python concatenation keras concat lstm

【解决方案1】：

你问：

哦，我可以像下面这样将 input_shape 设置为 (i1_size+i2_size) 吗？
model = Sequential()
model.add(LSTM(n_hidden, input_shape=(None, i1_size+i2_size), activation='tanh', return_sequences=True))

是的，杰夫。请记住，您的 None in (None, i1_size+i2_size) 是 RNN 时间步数/input_length 的数量，当您可以跳过定义它时需要注意。详情请参阅input_lengthhttps://keras.io/layers/recurrent/ 的描述。

仅供参考，input_shape=(None, i1_size+i2_size) 也可以写成input_dim=i1_size+i2_size（假设你不包括input_length）。

【讨论】：