构建两个顺序 lstm 网络答案

【问题标题】：build two Sequential lstm networks构建两个顺序 lstm 网络
【发布时间】：2020-12-15 18:17:36
【问题描述】：

我有以下模型，我想构建相同的序列网络并最终连接两个网络的输出。这是我的模型：

import numpy as np
import tensorflow as tf
from keras.models import Sequential, Model,load_model
from keras.layers import Dense, Dropout, Activation, Flatten, LSTM, Embedding, Input, concatenate, Lambda
from keras.utils import np_utils
from sklearn.metrics import mean_squared_error
#from keras.utils.vis_utils import plot_model
import keras
from keras_self_attention import SeqSelfAttention, SeqWeightedAttention
X1 = np.random.normal(size=(100,1,2))
X2 = np.random.normal(size=(100,1,2))
X3 = np.random.normal(size=(100,1,2))
Y = np.random.normal(size=(100,18))
model = Sequential()
model.add(LSTM(units=50, return_sequences=True, input_shape=(X1.shape[1],X1.shape[2])))
model.add(LSTM(units=50))
model.add(Dropout(0.2))
model.add(Dense(units=18))
model.compile(optimizer = 'adam', loss = 'mean_squared_error',metrics = ['MAE'])
model.fit(X1, Y, epochs =1, batch_size = 100)

这是模型。我想将红色部分添加到模型中。有谁能够帮助我？谢谢

【问题讨论】：

标签： tensorflow deep-learning lstm

【解决方案1】：

最好使用 Functionnal API 来处理多个输入：

def sub_model(input):
    mod1=LSTM(50,return_sequences=True)(input)
    mod1=LSTM(50,dropout=0.2)(mod1)
    return Dense(18)(mod1)

inp1=Input(shape=(1,2))
inp2=Input(shape=(1,2))

mod1=sub_model(inp1)
mod2=sub_model(inp2)

concat=Concatenate()([mod1,mod2])
output=Dense(18)(concat)

model=models.Model([inp1,inp2],output)

这给了你：

要训练它，你可以使用model.fit() like ：

model.fit([X1,X2],y)

【讨论】：