我正在尝试为LSTM模型创建可变序列长度数据。所以，我创建了一个可变长度的numpy数组列表。 例如，一个数组的长度=＆gt; （11,20）和其他长度=＆gt; （9,20）。其中20是特征数，11/9表示序列长度
每个数组最后都有零和数值（类索引）。
如果音频文件属于类索引= 1，则帧数为8 y将是[0,0,0,0,0,0,0,1]
我想知道，当在每个可变长度的音频数据上调用model.fit时，最后的Dense layer（）将具有与音频具有的帧数相等的输出形状
那么，如何创建Dense层（8或9或11）的可变输出形状
我不想填充序列，而是提供“无”序列。在LSTM输入图层形状。
但是，在转换为分类时，我收到错误：按顺序设置数组元素。
这里，11是班级数
webSettings.setJavaScriptCanOpenWindowsAutomatically(true);
webSettings.setSupportMultipleWindows(true);
Tensorflow版本：1.3.0
Keras版本：2.0.9
答案 0 :(得分：1)
正如你在问题中所说：
每个数组最后都有零和数值（类索引）。
如果音频文件属于类索引= 1且帧数为8，则y将为[0,0,0,0,0,0,0,1]
第一步输入：
[update]处理变量输入大小的一种方法是使用dynamic_rnn。 Read more here
我们处理这个问题的另一种方法，就像我们在文本分类中所做的那样是使用填充。
所以说我们创建大小为10的嵌入，所以每个单词都有10个大小的向量输入。
输入5个字的句子，实际上是5 * 10的输入。
现在，由于TF / Keras接受固定大小的输入。我们填充输入。
所以我们采用固定输入长度的单词数（比如说这种情况下为20）。
删除20后出现的单词。
如果句子有5个单词，那么之后会有15个填充。
现在输入将通过嵌入层传递，最终输入将为(None, 20, 10) (Batch_size, Sequence_length, embedding_dimension)。
您的问题也可以转换为类似的输入。
例如，一个数组的长度=＆gt; （11,20）和其他长度=＆gt; （9,20）。其中20是特征数，11/9表示序列长度
这里假设序列长度为15左右，并假设嵌入维度为20。
您必须填写9/11号的输入，以便在15处保持一致（您可以尝试使用此数字）。
20是您的嵌入维度，功能。
所以最终输入形状为(None, 15, 20)。
下一步输出：
现在，您可以直接对每个输入的输出类进行热编码。 对于9,20的输入，您有1个热编码输出向量。
之前您曾想过，对于一个长度为9且功能为20的输入 输出应该是9的长度，前8个输出应该是0和9应该是类。
这不再需要，因为1个大小（9,20）的输入将提供1个输出。
如果需要更多解释，请告诉我，最好：）