在 TimeDistributed 层内正确使用 keras SpatialDropout2D - CNN LSTM 网络答案

【问题标题】：Correct usage of keras SpatialDropout2D inside TimeDistributed layer - CNN LSTM network在 TimeDistributed 层内正确使用 keras SpatialDropout2D - CNN LSTM 网络
【发布时间】：2021-06-07 02:32:22
【问题描述】：

我在为时间序列样本中的所有时间步应用相同的 dropout 掩码时遇到一个棘手的问题，以便 LSTM 层在一次前向传递中看到相同的输入。我阅读了多篇文章，但没有找到解决方案。以下implementation 支持吗？或者这会在每个时间步随机丢弃不同的特征图？

dim = (420,48,48,1) # grayscale images of size 48x48
inputShape = (dim)
Input_words = Input(shape=inputShape, name='input_vid')
x = TimeDistributed(Conv2D(filters=50, kernel_size=(8,8), padding='same', activation='relu'))(Input_words)
x = TimeDistributed(MaxPooling2D(pool_size=(2,2)))(x)
x = TimeDistributed(SpatialDropout2D(0.2))(x)
x = TimeDistributed(BatchNormalization())(x)
x = TimeDistributed(Flatten())(x)
x = LSTM(200, dropout=0.2, recurrent_dropout=0.2)(x)
out = Dense(5,activation='softmax')(x)
model = Model(inputs=Input_words, outputs=[out])
opt = Adam(lr=1e-3, decay=1e-3 / 200)
model.compile(loss = 'categorical_crossentropy', optimizer=opt,metrics = ['accuracy'])

如果不是，那么在 keras 上会有什么好的解决方案？我可以使用Dropout with noise_shape 来解决我的问题吗？

【问题讨论】：

标签： tensorflow keras conv-neural-network lstm dropout

【解决方案1】：

您可以简单地自行测试所有可能性...

我们生成一个形状样本 (1, n_frame, H, W, n_channel) 并可视化不同 dropout 策略的影响：

inputShape = (100,8,8,1) # frames of 100 grayscale images of size 8x8 
X = np.random.uniform(1,2, (1,)+inputShape).astype('float32') # generate 1 sample

layer = Dropout(0.4, seed=0)
d = layer(X, training=True).numpy()

layer = Dropout(0.4, seed=0, noise_shape=(X.shape[0],1,X.shape[2],X.shape[3],X.shape[4]))
d1d = layer(X, training=True).numpy()

layer = TimeDistributed(SpatialDropout2D(0.4, seed=0))
tsd2d = layer(X, training=True).numpy()

layer = SpatialDropout3D(0.4, seed=0)
# the same as:
# layer = Dropout(0.4, seed=0, noise_shape=(X.shape[0],1,1,1,X.shape[4]))
sd3d = layer(X, training=True).numpy()

来自Dropout的结果：

plt.figure(figsize=(15,12))

for i,f_map in enumerate(d[0]):
    
    if i == 12:
        break
    
    plt.subplot(3,4, i+1)
    plt.imshow(np.squeeze(f_map>0, -1), vmin=0, vmax=1)
    plt.title(f"frame {i}")

Dropout 与 noise_shape 的结果：

plt.figure(figsize=(15,12))

for i,f_map in enumerate(d1d[0]):
    
    if i == 12:
        break
    
    plt.subplot(3,4, i+1)
    plt.imshow(np.squeeze(f_map>0, -1), vmin=0, vmax=1)
    plt.title(f"frame {i}")

来自TimeDistributed 加上SpatialDropout2D 的结果

plt.figure(figsize=(15,12))

for i,f_map in enumerate(tsd2d[0]):
    
    if i == 12:
        break
    
    plt.subplot(3,4, i+1)
    plt.imshow(np.squeeze(f_map>0, -1), vmin=0, vmax=1)
    plt.title(f"frame {i}")

来自SpatialDropout3D的结果：

plt.figure(figsize=(15,12))

for i,f_map in enumerate(sd3d[0]):
    
    if i == 12:
        break
    
    plt.subplot(3,4, i+1)
    plt.imshow(np.squeeze(f_map>0, -1), vmin=0, vmax=1)
    plt.title(f"frame {i}")

结论

简单的Dropout 随机丢弃每一帧中的像素，没有规则
Dropout 和 noise_shape 随机丢弃每一帧中的像素总是在相同的位置
TimeDistributed plus SpatialDropout2D random 随机丢弃整个帧
SpatialDropout3D 丢弃随机通道中的所有帧

【讨论】：