Question

如何编写接受多个输入的keras LAYER ？例如，我想引起人们注意LSTM层的缩放，以使LSTM层得到关注并以先前的时间特征“（batch_size，step_dim，feature_dim）成形”作为参数？并且必须在内部图层上完成，而不是在外部。

例如，我想要类似'the_layer'的东西：

x = Input(shape=(max_sentence_length))
word_embeddings = Embedding(...)(x)
attention = attention()(previous_feature)
lstm_scaled_with_attention = the_layer(return_sequence=True)(word_embeddings, attention)

到目前为止，我尝试将参数添加到LSTM层的call（）函数中，但是LSTM源自Layer类，该类表示它仅需要一个输入。这可能不是这样做的方法。

我也尝试过串联（[word_embeddings，注意]），然后进给，但是张量必须在形状上或某种程度上对齐。我不能让他们同时进入。任何想法如何做到这一点？

---------------------------- ANOTHER-ATTEMPT-01 -------------- ---------------------------

要弄清楚如果您将其用作_Merge的图层，会发生什么情况，我也尝试过

x = Input(shape=(max_sentence_length))
word_embeddings = Embedding(...)(x)
attention = attention()(previous_feature)
lstm_scaled_with_attention = Bidirectional(LSTM(hidden_units, return_sequence=True))([word_embeddings, attention])

在这种情况下，“注意”被解释为LSTM（）的第二个参数，它是LSTM。 call 函数的初始状态。这是声明：

def __call__(self, inputs, initial_state=None, constants=None, **kwargs):

错误

ValueError: When passing `initial_state` to a Bidirectional RNN, the state should be a list containing the states of the underlying RNNs. Found: [<tf.Tensor 'input_2:0' shape=(None, 72) dtype=float32>]

实际上，我认为可以在此处添加参数，因为我想传递列表有点意思是传递多个参数。

如何使角膜层接受不同形状的张量

0 个答案: