Question

我制作了一种NN使用CNN和LSTM赠送here：

在CNN图层之后，我使用Lambda函数将每个过滤器（在CNN上创建的图片）逐个送到一个LSTM。

现在我想更改它以将LSTM与所有过滤器一起水平连接。

我已经看到一些代码可以将图像水平连接起来像：

images = encoded_imgs[0,:,:,:] // eg: first output of a CNN layer

print(images[1,1,:].size)

image=images[:,:,0]
for i in range(1,10):
    image=hstack((image,images[:,:,i]))

但是如何将其应用于lambda函数以更改我的示例以将所有内容整合到一个LSTM中？

Answer 1

好的我设法在lambda函数之后使用merge concat axis 2来“个性化”每个“过滤后的图像”

        conv2=Conv2D(filters,(3,3), padding="same")(conv1)
        conv2=AveragePooling2D(pool_size=(2, 1), strides=(1, 1))(conv2)
        conv2=Activation("relu")(conv2)
        channels=Dropout(0.40)(conv2)
        filtersVec=[]
        for x in range(0,filters):
            filterImg=Lambda(lambda element : element[:,x,:,:])(channels)              
            filtersVec.append(filterImg)
        merged = merge(filtersVec, mode='concat',concat_axis=2)
        lstm=Bidirectional(LSTM(20),merge_mode='concat',dropout=0.35)(merged)
        classificationLayer=Dense(classes)(lstm)
        classificationLayer=Activation("softmax")(classificationLayer)

具有Lambda函数的HSTACK CNN输出

1 个答案: