Keras中LSTM中的多层隐藏层答案

【问题标题】：Multiple Layer hidden layer in LSTM in KerasKeras中LSTM中的多层隐藏层
【发布时间】：2018-01-25 08:32:40
【问题描述】：

x = Input(shape=(timesteps, input_dim,))

# LSTM encoding
h = LSTM(2048)(x)

这是我从互联网上下载的文件中的几行代码。我认为h 适用于具有 2048 个单元的单层 LSTM 层。它如何使它成为多层，即 2 个隐藏层。

【问题讨论】：

【解决方案1】：

只需添加另一层（我们称之为g）！但是由于我们要传递到另一个LSTM 层，我们将不得不在第一层添加return_sequences 关键字参数，以便我们可以为第二层获得正确的输入形状。

x = Input(shape=(timesteps, input_dim,))

# LSTM encoding
h = LSTM(2048, return_sequences=true)(x)
g = LSTM(10)(h)

【讨论】：

谢谢你，成功了！我只是有一个查询我试过 h = Sequential() h.add(LSTM(2048, input_shape=(timesteps, input_dim), return_sequences=True)) h.add(LSTM(2048)).. 我试过这个但它创建参考代码中的错误。
检查此链接github.com/TulsiJain/keras_lstm_vae/blob/master/lstm_vae/vae.py 我需要修改第 36 行以使其多层为 h = Sequential() h.add(LSTM(2048, input_shape=(timesteps, input_dim), return_sequences=True) ) h.add(LSTM(2048)).. 然后它抛出docs.google.com/document/d/…
该代码使用函数式 api（如上面的示例）。从该错误看来，您可能以不正确的方式混合了顺序和功能模型构建样式。您能否发布您正在做的事情的示例（更新您的问题）