如何在 keras LSTM 自动编码器中获得学习的表示答案

【问题标题】：How to get the learned respresentation in keras LSTM Autoencoder如何在 keras LSTM 自动编码器中获得学习的表示
【发布时间】：2019-08-05 17:27:02
【问题描述】：

我有一个多层 LSTM 自动编码器，它的输入是一个 20 步的时间序列，有 4 个属性。

    model = Sequential()
    model.add(CuDNNLSTM(128, input_shape=(20, 4), return_sequences=True))  # encode 1
    model.add(CuDNNLSTM(256, return_sequences=True))  # encode 2
    model.add(CuDNNLSTM(512, return_sequences=True))  # encode 3 -- our final vector
    model.add(CuDNNLSTM(256, return_sequences=True))  # decode 1
    model.add(CuDNNLSTM(128, return_sequences=True))  # decode 2
    model.add(TimeDistributed(Dense(4)))
    model.compile(optimizer='adam', loss='mse')

当我将输出层设置为编码层 #3 时，输出的形状为 (1,20,512)。

如何从该层获取形状为 (1,512) 的向量，用作输入时间序列的学习表示？

我说形状是 (1,20,512) 是否正确，因为该层为每个时间步生成一个输出向量，在这种情况下我应该使用最后一个输出向量吗？

【问题讨论】：

标签： python keras deep-learning lstm autoencoder

【解决方案1】：

由于您设置了return_sequences=True，LSTM 层将为序列的每个时间步输出一个向量。

如果您只对最后一个序列元素感兴趣，您可以使用最后一个 512 向量。但是，如果您不需要处理以下图层，您也可以为您感兴趣的图层设置return_sequences=False，它会直接输出您想要的形状（1,512）

【讨论】：