LSTM层中某些值的Keras串联

Question

我不确定在Keras中是否可行，但是我想知道是否有任何方法可以连接LSTM层中的特定值。 我想使用LSTM编码整个序列，但为了进行预测，仅使用特定的列。 例如：

• 我正在使用两个大小为5的输入序列（因此，一个输入的输入形状是（None，5）和（None，5）。
• 然后我嵌入序列，输入的形状为（None，5，300）和（None，5，300）
然后，我用具有200个LSTM单元的LSTM层编码序列，我的最终形状是（None，5，200）和（None，5，200）。

现在，我不想连接整个序列，而不能连接lstm_1中编码的最后4个单词和lstm_2中编码的第一个单词。

> input_1 = Input(shape=(5, ))
> emb_1 = Embedding(..., 300, ...)(input_1)
> lstm_1 = CuDNNLSTM(200, ...)(emb_1)
> 
> input_2 = Input(shape=(5, ))
> emb_2 = Embedding(..., 300, ...)(input_2)
> lstm_2 = CuDNNLSTM(200, ...)(emb_2)
> 
> # here is the problem
> emb = concatenate([lstm_1[??], lstm_2[??])
> 
> d1 = Dense(...)(emb)
> out = Dense(..., activation="softmax")(d1)

不确定我是否有意义，但我想知道是否可以使用Keras功能API。

最好的问候， 丹尼尔

Answer 1

所以我没有意识到lstm_1和lstm_2实际上是我可以连接的Numpy数组。因此解决方案很简单，您只需要将其包装在Lambda层中即可。

lstm_1_lambda = Lambda(lambda x: x[:, -4:, :])(lstm_1)
lstm_2_lambda = Lambda(lambda x: x[:, :1, :])(lstm_2)
emb = concatenate([lstm_1_lambda, lstm_1_lambda)

最好的问候， 丹尼尔