Question

使用Keras LSTM模型时，我遇到了一个奇怪的问题。我构建了一个单层LSTM并尝试使用它。我发现模型的输出在一个输入和多个输入之间是不同的，如下面的代码所示。

def lstmTest(training, latent_dim=10):
        _, time_dim, input_dim = training.shape

        # Define an input sequence and process it.
        encoder_inputs = Input(shape=(time_dim, input_dim), name='input')
        encoder = LSTM(latent_dim, return_state=False, name='lstm')
        encoder_outputs = encoder(encoder_inputs)

        model = Model(encoder_inputs, encoder_outputs)

        return model

def trainingTest(model, training, nb_epoch=10, batch_size=300):
        model.compile(optimizer='adam', loss='mse', metrics=['acc'])
        history = model.fit(training, training[:, -1, :10],
                            epochs=nb_epoch,
                            batch_size=batch_size,
                            shuffle=True,
                            verbose=1,
                            ).history
        return history

myVector = [[[i]*20]*8 for i in range(100)]
myVector = np.array(myVector)

lstmTest = lstmTest(myVector)
history = trainingTest(lstmTest, myVector)

vector = myVector[:2]
res1 = lstmTest.predict(vector)

vector = myVector[:1]
res2 = lstmTest.predict(vector)

res2[0] - res1[0]

我得到了以下结果

array([0.0000000e+00, 0.0000000e+00, 0.0000000e+00, 5.8207661e-11,
       0.0000000e+00, 2.3283064e-10, 0.0000000e+00, 0.0000000e+00,
       0.0000000e+00, 0.0000000e+00], dtype=float32)

但是如果我将res2更改为与res1相同，则会得到预期的结果

array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.], dtype=float32)

有人来过这个问题吗？

Answer 1

没有区别，只是IEEE double值的限制：

print(0.003f - 0.001f - 0.002f)
-2.3283064E-10

如果您使用的是GPU，则可以查看this

Keras LSTM对于单输入具有不同的输出

1 个答案: