Question

for i in range(y_word_max_len):
    sub_decoder_input = gather(main_decoder,(i))
    # print(sub_decoder_input)
    sub_decoder_input_repeated = RepeatVector(y_char_max_len)(sub_decoder_input)
    sub_decoder = LSTM(256,return_sequences=True,name='sub_decoder')(sub_decoder_input_repeated)
    sub_decoder_output = TimeDistributed(Dense(58,activation='softmax'),name='sub_decoder_output')(sub_decoder)
    sub_decoder_output_reshaped = Reshape((1,y_char_max_len,58))(sub_decoder_output)
    print("Sub decoder output is ",sub_decoder_output_reshaped)

我已经写了上面的代码片段 y_word_max_len = 9

和 main_decoder 是一个形状的张量（无，9,256）

和 y_char_max_len = 7

58是我输出的大小在片段被删除后，输出

子解码器输出为Tensor（“reshape_2 / Reshape：0”，shape =（？，1,7，   58），dtype = float32）

子解码器输出为Tensor（“reshape_3 / Reshape：0”，shape =（？，1,7，   58），dtype = float32）

子解码器输出为Tensor（“reshape_4 / Reshape：0”，shape =（？，1,7，   58），dtype = float32）

子解码器输出为Tensor（“reshape_5 / Reshape：0”，shape =（？，1,7，   58），dtype = float32）

子解码器输出为Tensor（“reshape_6 / Reshape：0”，shape =（？，1,7，   58），dtype = float32）

子解码器输出为Tensor（“reshape_7 / Reshape：0”，shape =（？，1,7，   58），dtype = float32）

子解码器输出为Tensor（“reshape_8 / Reshape：0”，shape =（？，1,7，   58），dtype = float32）

子解码器输出为Tensor（“reshape_9 / Reshape：0”，shape =（？，1,7，   58），dtype = float32）

子解码器输出为Tensor（“reshape_10 / Reshape：0”，shape =（？，1,7，   58），dtype = float32）

现在我想将这样获得的所有张量（9）连接成一个合成张量

形状（？，9,7,58）

我怎样才能在Keras实现这一目标。感谢

Answer 1

添加连接图层：

joined = Concatenate(axis=1)([sub1, sub2, sub3, sub4, sub5....])

为此，最好的方法是创建一个子扩展器列表并使用循环附加到此列表：

subTensors = []
for ..... :
    #calculations
    subTensors.append(sub_decoder_output_reshaped)


joined = Concatenate(axis=1)(subTensors)

沿Keras特定轴的三维张量列表的连接

1 个答案: