如何为二维数据构建 LSTM 网络？答案

【问题标题】：How can I build an LSTM network for two dimensional data?如何为二维数据构建 LSTM 网络？
【发布时间】：2019-02-11 05:44:36
【问题描述】：

我看到 Keras 中的 LSTM 接受 (batch_size, timesteps, data_dim) 作为输入形状。但我想知道是否有一种简单的方法可以将这些扩展到 4 个维度？例如，我们如何将 lstm 应用于具有 64 x 64 大小的图像的移动 MNIST 数据集？

【问题讨论】：

标签： tensorflow keras lstm recurrent-neural-network

【解决方案1】：

您可以使用 CNN 模型提取图像的特征，然后再将其输入 LSTM。

# define CNN model
cnn = Sequential()
cnn.add(Conv2D(...))
cnn.add(MaxPooling2D(...))
cnn.add(Flatten())

# define LSTM model
model = Sequential()
model.add(TimeDistributed(cnn, ...))
model.add(LSTM(..))
model.add(Dense(...))

【讨论】：

如果您需要资源来解释我们为什么使用TimeDistributed 包装层：machinelearningmastery.com/…
@AnnaKrogager，有没有一种方法可以让我不必使用卷积？基本上，我想要一个网络，每个位置都有一个 LSTM。
我不确定你的意思，但也许你可以使用 TimeDistributed LSTM？这会将 LSTM 应用于数据的每个时间切片（沿轴 1）。只要确保你首先以正确的方式排列了你的轴。但是，这对图像数据没有多大意义。