我们可以更改训练模型中的 input_length 吗？答案

【问题标题】：Can we change the input_length in a trained model?我们可以更改训练模型中的 input_length 吗？
【发布时间】：2019-05-15 06:51:40
【问题描述】：

我训练了以下模型

model = Sequential()
model.add(Embedding(10000, 100, input_length = 10, weights=[embedding_matrix], trainable = False))
model.add(Bidirectional(LSTM(64, return_sequences = True)))
model.add(Dense(512, activation='relu'))
model.add(Dense(2 activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam')
model.fit(x, y, epochs=10)

但是，我在预测时得到了长度为 100 的输入。所以，我想知道我是否可以在预测时根据输入的长度更改 input_length 的值？

如果是，那么这将如何影响模型，或者我应该使用编码器和解码器模型吗？

【问题讨论】：

你用什么后端？
我在 tensorflow 上使用 keras
您可以手动取出权重并用 1 步构建新图。
还要考虑共享层：keras.io/getting-started/functional-api-guide/#shared-layers。然后用input_length=100重用嵌入层。另一种选择是将测试输入分成 10 个批次，然后将结果连接起来。
这也是一个很好的例子：keras.io/examples/lstm_seq2seq

标签： python keras deep-learning transfer-learning

【解决方案1】：

这是我发现的

model._layers[0].batch_input_shape = (None,500)
new_model = model_from_json(model.to_json())
new_model.summary()

【讨论】：