如何将前一层的多个输出馈送到连续的 lstm 层答案

【问题标题】：How to feed multiple outputs of previous layer to a successive lstm layer如何将前一层的多个输出馈送到连续的 lstm 层
【发布时间】：2017-04-13 13:51:13
【问题描述】：

我刚刚开始使用 Keras。我遇到了一个问题，即如何将先前层的多个输出馈送到连续的 lstm 层。我的模型（部分）如下所示：

batch_size = 64

output_1 = Dense(output_dim=(128, ), input_dim=(200, ))

output_2 = Dense(output_dim=(128,), input_dim=(200, ))

output_3 = Dense(output_dim=(128,), input_dim=(200, ))

output_4 = Dense(output_dim=(128,), input_dim=(200, ))

现在我的问题是如何将上述所有输出提供给 lstm ？ input_dim 应该类似于 (batch_size, number_of_previous_outputs, 128)

【问题讨论】：

您对这个问题还有兴趣吗？因为我认为我找到了解决方案？
@Marcin Możejko 抱歉回复晚了。我改变了我的神经网络结构。但我仍然对您的解决方案感兴趣。

标签： neural-network deep-learning keras lstm

【解决方案1】：

你可以做一个合并层 (https://keras.io/getting-started/sequential-model-guide/#the-merge-layer)。使用 concat 或 sum to 然后将合并层输入 lstm。

代码示例：

merged_output = merge([output_1, output_2, output_3, output_4], mode='concat', concat_axis=1)
lstm = LSTM(...)(merged_output)

【讨论】：

感谢您的回复。我对您的合并输出层的形状感到困惑。 output_1 的形状是 (batch_size, output_dim)，我需要 merge_output 的形状是 (batch_size, number_of_previous_output, output_dim) 。 @Thomas Pinetz
你可以添加一个重塑层来完成你想要的输出。 keras.io/layers/core/#reshape