如何将 keras LSTM 层的输出输入到输入层？答案

【问题标题】：How to feed output of keras LSTM layer into input layer?如何将 keras LSTM 层的输出输入到输入层？
【发布时间】：2020-03-12 19:03:53
【问题描述】：

我对 tensorflow 和 keras 还很陌生，有一个问题。我想使用 LSTM 层进行时间序列预测，并进行一些修改。我从 tensorflow 教程中给出的示例开始

def build_LSTM(neurons, batch_size, history_size, features):
   model = tf.keras.models.Sequential()
   model.add(tf.keras.layers.LSTM(neurons, 
                                  batch_input_shape=(batch_size, history_size, features),
                                  stateful=True))
   model.add(tf.keras.layers.Dense(1))
   model.compile(loss='mean_squared_error', optimizer='adam')
   return(model)

在示例的当前状态下，模型的输入为（观察、时间步长、特征）形式，它返回单个数字（下一个时间步长的预测）。

我想做的是在 LSTM 层中使用模式return_sequence=True。

返回一个形状为 T 的张量（时间步长、特征）是否正确？

有没有办法将此张量从一个步骤（假设观察 = 1）转移到下一步（观察 = 2）？我猜对应的图表应该是这样的：

【问题讨论】：

您这样做是为了达到什么目的？ :)

标签： python tensorflow keras recurrent-neural-network

【解决方案1】：

回答您的问题，这是否正确返回一个形状为 T 的张量（时间步长、特征）？

答案是肯定的，输出是每个时间步的输出的张量。

另一个问题，有没有办法将此张量从一个步骤（假设观察 = 1）转移到下一步（观察 = 2）？

这个问题很难回答，从技术上讲，当您指定 return_sequence=True 时，它会自动计算每个时间步，并在计算下一个时间步时将“当前状态”作为初始状态提供给它自己，直到它计算您的所有数据并给出您在问题 1 中提出的 Tensor 输出。因此，如果您希望此张量用于进一步计算，例如您想总结奇数时间步的所有答案，这是可能的。此外，如果您想将最后一个状态传递给下一批输入，您可以通过提供 stateful=True 参数来实现。

但是，如果您想将上一个时间步的输出馈送到当前时间步（类似于闭环控制），无论给定模型如何，您都需要创建自己的循环单元并将其与 RNN 层一起使用 @987654321 @。

【讨论】：