来自 for 循环的 Keras LSTM，使用具有自定义层数的功能 API答案

【问题标题】：Keras LSTM from for loop, using functional API with custom number of layers来自 for 循环的 Keras LSTM，使用具有自定义层数的功能 API
【发布时间】：2019-06-11 23:56:44
【问题描述】：

我正在尝试通过 keras 功能 API 构建一个网络，该 API 提供两个列表，其中包含 LSTM 层和 FC（密集）层的单元数。我想分析 20 个连续的段（批次），每个段包含 fs 个时间步长和 2 个值（每个时间步长 2 个特征）。这是我的代码：

Rec = [4,4,4]  
FC = [8,4,2,1]    
def keras_LSTM(Rec,FC,fs, n_witness, lr=0.04, optimizer='Adam'):
    model_LSTM = Input(batch_shape=(20,fs,n_witness))
    return_state_bool=True
    for i in range(shape(Rec)[0]):
        nRec = Rec[i]
        if i == shape(Rec)[0]-1:
            return_state_bool=False
        model_LSTM = LSTM(nRec, return_sequences=True,return_state=return_state_bool,
                     stateful=True, input_shape=(None,n_witness),            
                     name='LSTM'+str(i))(model_LSTM)
    for j in range(shape(FC)[0]):
        nFC = FC[j]
        model_LSTM = Dense(nFC)(model_LSTM)
        model_LSTM = LeakyReLU(alpha=0.01)(model_LSTM)
    nFC_final = 1
    model_LSTM = Dense(nFC_final)(model_LSTM)
    predictions = LeakyReLU(alpha=0.01)(model_LSTM)

    full_model_LSTM = Model(inputs=model_LSTM, outputs=predictions)
    model_LSTM.compile(optimizer=keras.optimizers.Adam(lr=lr, beta_1=0.9, beta_2=0.999,
                    epsilon=1e-8, decay=0.066667, amsgrad=False), loss='mean_squared_error')
    return full_model_LSTM

model_new = keras_LSTM(Rec, FC, fs=fs, n_witness=n_wit)
model_new.summary()

编译时出现以下错误：

ValueError: Graph disconnected: cannot get value for tensor Tensor("input_1:0", shape=(20, 2048, 2), dtype=float32) at layer "input_1".访问以下之前的层没有问题：[]

我其实不太明白，但怀疑它可能与输入有关？

【问题讨论】：

标签： machine-learning keras lstm keras-layer

【解决方案1】：

我通过修改代码的第 4 行解决了这个问题，如下所示：

x = model_LSTM = Input(batch_shape=(20,fs,n_witness))

连同第 21 行，如下：

full_model_LSTM = Model(inputs=x, outputs=predictions)

【讨论】：