LSTM 输入混淆答案

【问题标题】：LSTM Inputs ConfusionLSTM 输入混淆
【发布时间】：2020-12-29 02:32:10
【问题描述】：

我已经尝试理解 LSTM 输入有一段时间了，我想我理解了，但我一直对如何实现它们感到困惑。

这是我的想法，如果我错了，请纠正我。

在指定 LSTM 时，您需要指定单元数和输入形状（我一直遇到输入形状问题）。单元格数指定应查看给定数据的单元格数，并且不影响所需的输入形状。输入形状（当有状态时）按批次大小、批次中的时间步长和时间步长中的特征进行。有状态的 LSTM 会保留其内部状态，直到重置。是这样吗？

如果是这样，我在尝试为我的网络指定输入形状时感到非常困惑。这是因为我正在尝试升级当前网络，但我无法弄清楚如何以及在何处指定输入形状而不会出错。

我尝试升级它的方式最初是让 CNN 进入密集层。我正在尝试对其进行更改，使其添加一个 LSTM，该 LSTM 将 CNN 的扁平一维输出作为一个批次和一个时间步长，其特征取决于 CNN 输出的大小。然后将其输出与 CNN 的输出（LSTM 的输入）连接起来，然后馈送到密集层。因此，它现在的行为就像带有跳过连接的 LSTM。我似乎无法理解的问题是何时以及如何指定 LSTM 层的 Input_shape，因为它没有功能 API 的 INPUT_SHAPE 参数？或者也许我只是超级困惑，每个人都使用不同的 API 来查看不同的示例，这让我非常困惑什么是指定的和未指定的以及如何指定。

谢谢你，即使你只是在两个部分之一方面提供帮助。

TLDR：

我是否正确理解了 LSTM 参数？
如果需要，我应该如何以及何时指定 LSTM Input_shapes？

【问题讨论】：

标签： python tensorflow keras deep-learning lstm

【解决方案1】：

LSTM 单位参数表示 LSTM 矩阵的维度和输出形状。

使用功能 API，您可以仅为第一层指定输入形状。如果您的 LSTM 层遵循 CNN，则其输入形状会自动确定为 CNN 输出。

【讨论】：

谢谢。鉴于此，我仍然无法让我的 LSTM 阅读 CNN。我将 CNN 输出展平，并试图让它读取它，但由于形状，我不断收到错误，所以我不确定我是否正确理解了 LSTM 输入形状参数。这样做的原因是我需要 LSTM 将 CNN 的输出作为单个时间步来读取，除了将形状指定为 (1,1,Flattened CNN 输出的大小) 之外，我不确定如何执行此操作。这甚至可能吗？（有状态=真）如果我正确理解规则，我可能不得不将此作为一个新问题提出。
@ExodusSolis 你是对的 - 你必须创建一个新问题。我建议您的问题尽可能小，并尽可能用代码替换单词