如何在LSTM自动编码器中使用掩蔽层来屏蔽输入/输出？

Question

我正在尝试使用LSTM自动编码器进行序列到序列学习，使用可变长度的序列作为输入，使用以下代码：

inputs = Input(shape=(None, input_dim))
masked_input = Masking(mask_value=0.0, input_shape=(None,input_dim))(inputs)
encoded = LSTM(latent_dim)(masked_input)

decoded = RepeatVector(timesteps)(encoded)
decoded = LSTM(input_dim, return_sequences=True)(decoded)
sequence_autoencoder = Model(inputs, decoded)
encoder = Model(inputs, encoded)

其中inputs是用0填充到相同长度（timesteps）的原始序列数据。使用上面的代码，输出的长度也是timesteps，但是当我们计算损失函数时，我们只需要输出的第一个Ni元素（其中Ni是输入序列i的长度，对于不同的序列可能是不同的）。有谁知道是否有一些好的方法可以做到这一点？

谢谢！

Answer 1

选项1：如果您接受培训单独的批次，您可以随时进行无需填充的培训。

请参阅此答案，了解分离等长批次的简单方法：Keras misinterprets training data shape

在这种情况下，您所要做的就是执行＆＃34;重复＆＃34;以另一种方式操作，因为你在训练时没有确切的长度。

因此，您可以使用此代码来代替RepeatVector：

import keras.backend as K

def repeatFunction(x):

    #x[0] is (batch,latent_dim)
    #x[1] is inputs: (batch,length,features)

    latent = K.expand_dims(x[0],axis=1) #shape(batch,1,latent_dim)
    inpShapeMaker = K.ones_like(x[1][:,:,:1]) #shape (batch,length,1)

    return latent * inpShapeMaker

#instead of RepeatVector:
Lambda(repeatFunction,output_shape=(None,latent_dim))([encoded,inputs])

Option2（闻起来并不好）：在RepeatVector之后使用另一个屏蔽。

我尝试了这个，但它确实有效，但我们最后没有得到0，我们会重复最后一个值直到结束。因此，您必须在目标数据中进行奇怪的填充，重复最后一步直到结束。

示例：目标[[[1,2]，[5,7]]]必须是[[[1,2]，[5,7]，[5,7]，[5,7] ...]]

这可能会使你的数据失去很多平衡，我想......

def makePadding(x):

    #x[0] is encoded already repeated  
    #x[1] is inputs    

    #padding = 1 for actual data in inputs, 0 for 0
    padding =  K.cast( K.not_equal(x[1][:,:,:1],0), dtype=K.floatx())
        #assuming you don't have 0 for non-padded data

    #padding repeated for latent_dim
    padding = K.repeat_elements(padding,rep=latent_dim,axis=-1)

    return x[0]*padding

inputs = Input(shape=(timesteps, input_dim))
masked_input = Masking(mask_value=0.0)(inputs)
encoded = LSTM(latent_dim)(masked_input)

decoded = RepeatVector(timesteps)(encoded)
decoded = Lambda(makePadding,output_shape=(timesteps,latent_dim))([decoded,inputs])
decoded = Masking(mask_value=0.0)(decoded)

decoded = LSTM(input_dim, return_sequences=True)(decoded)
sequence_autoencoder = Model(inputs, decoded)
encoder = Model(inputs, encoded)

选项3（最佳）：直接从输入裁剪输出，这也消除了渐变

def cropOutputs(x):

    #x[0] is decoded at the end
    #x[1] is inputs
    #both have the same shape

    #padding = 1 for actual data in inputs, 0 for 0
    padding =  K.cast( K.not_equal(x[1],0), dtype=K.floatx())
        #if you have zeros for non-padded data, they will lose their backpropagation

    return x[0]*padding

....
....

decoded = LSTM(input_dim, return_sequences=True)(decoded)
decoded = Lambda(cropOutputs,output_shape=(timesteps,input_dim))([decoded,inputs])

Answer 2

对于这个 LSTM Autoencoder 架构，我假设你已经理解了，由于 LSTM 编码器层具有 return_sequences=False，所以在 RepeatVector 中的 Mask 丢失了。

所以另一种选择，而不是像上面那样裁剪，也可以是传播掩码的create custom bottleneck layer。