多对一LSTM

Question

我正在尝试通过1,00,000个示例，128个时间步长和7个输入功能来解决多类分类问题。可能的输出类是5。我的模型代码是

model = Sequential()
model.add(LSTM(5 , input_shape=(128, 7)))
model.compile(loss="binary_crossentropy", optimizer="adam", metrics=["accuracy"])
model.fit(v_s,y_s)

我想知道模型如何理解，我只希望在收到最后一个时间步输入后仅从最后一个节点输出[1,5]，这对许多LSTM来说就像许多。模型可以想到的另一种方式是从最近的5个节点（很多到很多）中获得5个原子输出。后者我该怎么办？

Answer 1

查看此链接：https://keras.io/getting-started/sequential-model-guide/ 上面代码的输出是维5的序列，它将作为5类的预测。因此上述模型可以正常运行。

model = Sequential()
model.add(LSTM(50 , input_shape=(128, 7)))
model.compile(loss="binary_crossentropy", optimizer="adam", metrics=["accuracy"])
model.fit(v_s,y_s)

这将产生不正确的输出