我有一个顺序数据集，由两个不同类型的事件（例如A和B事件）组成，对于这些事件，特征向量具有不同的大小，即所有A事件均用 a 维描述特征向量，而所有B事件均用 b 维特征向量a！= b描述。
请注意，这与可变大小的序列无关（尽管在这里也可能如此），而是关于由可变大小的向量组成的序列。
我的问题是如何在喀拉拉邦设置RNN（LSTM），以便从此类序列中学习？
我不想将其简化为分别针对A和B事件训练两个不同的RNN，因为我需要保持事件{A1，A2，B1，A3，B2，...}的顺序性质。 / p>
这是因为如果我需要一个RNN模型与条件输入形状，是（无，a）如果x属于A和（无，b）在其他。
我想知道 backend.switch 或类似的方法是否可以实现这一目标。
答案 0 :(得分：0)
我能够通过以下方式做到这一点：
我首先将原始序列复制为两个序列，在每个序列中，我用零个向量替换了另一种类型的事件，这些向量的长度与该序列中保留的事件的长度相同，因此所有时间步均具有相同的特征向量长度。我还为每个序列计算了掩码。
然后我以相同的输出长度 c 在每个序列上分别应用TimeDistributed密集层，并将每个密集层的输出乘以相应的蒙版。
最后，我将两个序列（在元素方面）加在一起。 这导致在公共空间c中恢复了原始异质序列的同质版本，然后可以将其输入LSTM层。