如何合并多个 LSTM 模型并拟合它们

Question

我正在尝试合并两个 LSTM Sequential 模型，但没有成功。我正在使用来自 tensorflow.keras.layers 的 Concatenate() 方法。每当我尝试连接模型时，它都会显示ValueError: A Concatenate layer should be called on a list of at least 2 inputs，这没有意义，因为这两个模型是在列表中传递的。

这是我的模型代码：

# Initialising the LSTM
regressor = Sequential()

# Adding the first LSTM layer and some Dropout regularisation
regressor.add(LSTM(units = 50, return_sequences = True, input_shape = (X_train.shape[1], 1)))
regressor.add(Dropout(0.2))

# Adding a second LSTM layer and some Dropout regularisation
regressor.add(LSTM(units = 50, return_sequences = True))
regressor.add(Dropout(0.2))

# Adding a third LSTM layer and some Dropout regularisation
regressor.add(LSTM(units = 50, return_sequences = True))
regressor.add(Dropout(0.2))

# Adding a fourth LSTM layer and some Dropout regularisation
regressor.add(LSTM(units = 50))
regressor.add(Dropout(0.2))

regressor.add(Dense(units = 1))

lstm_model = Sequential()


lstm_model.add(LSTM(units = 4, activation = 'relu', input_shape = (X_train.shape[1], 1)))

# returns a sequence of vectors of dimension 4

# Adding the output layer
lstm_model.add(Dense(units = 1))


merge = Concatenate([regressor, lstm_model])
hidden = Dense(1, activation = 'sigmoid')
conc_model = Sequential()
conc_model.add(merge)
conc_model.add(hidden)
conc_model.compile(optimizer = 'adam', loss = 'mean_squared_error', metrics=['mae', 'acc'])

history = conc_model.fit(X_train, y_train, validation_split=0.1, epochs = 50, batch_size = 32, verbose=1, shuffle=False)

如何连接和拟合这些模型？我不明白我做错了什么。

Answer 1

问题是由您的 fit 输入引起的，它应该是两个输入而不是一个输入的列表，因为您的 conc_model 需要两个输入

检查docs of fit function，它说：输入数据可以是 Numpy 数组（或类似数组），或数组列表（以防模型有多个输入）

因此您需要将 X_train 拆分为两个数组的列表，第一个为 regressor 第二个为lstm_model

Answer 2

你同时使用 Sequential 和 concatenate，这是错误的。

你应该使用 Input 和 Model 关键字来定义模型。

inp_layer1 = Input(shape=(1,))
m1 = Dense(1) (inp_layer1)

inp_layer2 = Input(shape=(1,))
m2 = Dense(1) (inp_layer2)

m3 = concatenate([m1,m2])
model = Model(inputs=[inp_layer1,inp_layer2],outputs=m3)