如何分两部分训练分层模型

Question

这是对以下问题的跟进：Confused about how to implement time-distributed LSTM + LSTM

当前草稿结构运作良好：

基本思想是有一个TimeDistributed深LSTM输入层，它适用于原始时间序列数据的每个时期，并为每个输出输出一个特征向量。然后，＆＃34;外部＆＃34;深LSTM层采用其中7个顺序输出并尝试对中心时期进行分类（假设1个时期没有足够的信息可以自行分类，并且需要周围的时期）。我说这是一个草案，因为我还没有探索过这个功能所需要的功能空间。

有几个问题仍有待解决，但我没有找到任何明确的在线示例，试图将这个模型分为两部分：1）后来的TimeDistributed和2） ＆＃34;外部＆＃34;层。原因在于，随着我增加分类所需的时期数（目前为7，但我预计它可能达到21或更高），会加载更多重复数据，并且训练速度正在迅速下降。

可以为第一层提出自动编码器。但是，我不认为这是最好的解决方案。我认为这样的原因是，再现输入所需的特征可能与用于对所述层进行分类的其他时期所必需的特征不同。扩展：这很可能是因为时间序列是半周期的，大部分时期提供的信息除了从重要特征到重要特征的当前时期之外几乎没有（并且这些重要特征的数量和位置在每个时期变化）。