如何在Keras中输出带有“TimeDistributed”图层的序列？

Question

我目前正在与Keras合作开发LSTM，我对TimeDistributed图层有疑问。

假设我有一个TimeDistributed图层，其输入类似于(batch_size,timesteps,num_features1)。它将输出类似(batch_size,timesteps,num_features2)的内容。

我希望输出类似(batch_size,num_features2)的内容。有可能吗？

将带有return_sequence = True的LSTM图层堆叠到密集图层（使用TimeDistributed图层），然后返回“经典”密集图层，接受像(batch_size,nb_features)这样的输入

提前致谢！

Benoit

Answer 1

我不确定你完全理解你想要什么，所以我会在这里建立一个我认为你想要的网络。如果不是，请使用您想要的网络草稿和每个步骤的形状编辑您的问题。 通过此网络了解您想要实现的目标也更容易。

model = sequential()
# shape = (None,timesteps, num_feat1)
model.add(TimeDistributed(Dense(num_feat2))
# shape = (None,timesteps, num_feat2)
model.add(LSTM(1, return_sequence=True))
# shape = (None, timesteps, 1)
model.add(Flatten())
# shape = (None, timesteps)
model.add(Dense(num_outputs_desired))
# shape = (None, outputs)

是你想要的吗？这（1）在每个时间步长上均匀地转换初始特征，其中密集层时间分布，（2）用lstm处理序列，在每一步返回1值，（3）使用密集层将值序列转换为一个理想的输出（我不知道它应该是什么，你的模型的目的是什么？）。