在keras中为LSTM模型提供不同大小的输入答案

【问题标题】：Giving input of different sizes to LSTM model in keras在keras中为LSTM模型提供不同大小的输入
【发布时间】：2017-06-29 05:26:14
【问题描述】：

我在 keras 中有一个多类（4 类）分类模型，看起来像 1

在训练时，模型期望输入形状为 (None,None,300)。也就是说，如果有 'n' 个不同的输入序列，那么输入形状应该是 (n,None,300)。在我的例子中，每个输入序列的大小是不同的。比如说，输入序列的形状是 (1000,300)、(1500,300)、(1200,300) 和 (2000,300)。现在我需要把它们放在一起到 (4,None,300)。我尝试使用 numpy 数组，但 numpy 数组不会给出 (4,None,300) 的形状，而是 (4L,)。

现在我想知道如何训练我的模型？是否可以使用 numpy 数组或任何不同的数据结构？

【问题讨论】：

您希望如何适应 3D 张量 1000x3m 1500x3、1200x3 和 2000x3 矩阵？序列没有共同的持续时间。

标签： python neural-network deep-learning keras lstm

【解决方案1】：

由于您的序列具有不同的持续时间，您可以考虑用零填充它们（相应地调整损失/标签），然后

max_duration = 2000
in_ = np.zeros((4, max_duration, 300), dtype='f4')
for i in xrange(4):
    # fit sequence
    in_[i,:len(seq[i]),:] = seq[i]

【讨论】：

使用遮罩层应该避免不得不调整损失！