Question

我需要一个模型来输出形状(3,2)的回归目标，其中3是事件数，每个事件都有X and Y个坐标。输入数据可以跨越一个或多个时间步长。以下是输入有一个时间步长的情况下的模型示例。

model = Sequential()
model.add(Embedding(vocab_size + 1, embedding, input_length=1))
model.add(LSTM(hidden, recurrent_dropout=0.1, return_sequences=True))
model.add(Flatten())
model.add(RepeatVector(3))
model.add(LSTM(2, return_sequences=True))

模型编译并运行，但它在3个事件中为X, Y生成相同的值。我认为这是因为RepeatVector层。我还能如何确保我的输出是(None, 3, 2)？

Answer 1

首先提示：如果一个＆＃34;句子＆＃34;应该生成3个事件，我认为你不应该使用input_length=1，而是input_length=lengthOfTheSentences。

拥有处理长度为1的序列的LSTM图层并不是一个优势。

您说RepeatVector导致相同结果3次是正确的。

现在，根据＆＃34;您的模型应该如何检测这些事件＆＃34;，不同的方法可能会更好。

这些句子是＆＃34;可以找到事件的顺序＆＃39;沿着＆＃39;＆＃34;？
这些句子＆＃34;是一个静态决定事件的想法＆＃34;？

按照第二种方法，我说你可以像这样使用第一个LSTM：

LSTM(hidden, return_sequence=False)

隐藏必须为6.（您可以使用更多隐藏的图层return_sequences=True，但重要的是最后一个具有与6兼容的输出量）。

然后以事件的形式重塑结果：

Reshape((3,2))

示例：

model = Sequential()
model.add(Embedding(vocab_size + 1, embedding, input_length=sentenceLength))
model.add(LSTM(hidden1, recurrent_dropout=0.1, return_sequences=True))
model.add(LSTM(hidden2, recurrent_dropout=0.1, return_sequences=True))
model.add(LSTM(hidden3, recurrent_dropout=0.1, return_sequences=True))
model.add(LSTM(6, recurrent_dropout=0.1, return_sequences=False))
model.add(Reshape((3,2)))

Keras 3D目标预测

1 个答案: