所有隐藏状态的重复keras LSTM输出
所有隐藏状态的重复keras LSTM输出
提问于 2020-07-24 08:21:56
数据：
具有形状= (T，M) #的宏观时间序列对所有企业都是相同的
形状= (T，N，K) #特定数据的微观时间序列
其中T是月份的时间维数，M是宏观特征的个数，N是企业的数目，K是P/E比等微观特征的个数。
任务:使用LSTM输出，重复N次并与微数据连接。
我希望对所有公司使用LSTM的输出，即所有t中t的所有(此处H=4)隐藏状态，从而设置return_sequences=True，并重复它们N次，以便将它们与我的微数据连接起来，即用shape = (T, N, K+H)获取新数据。
然后，这些新的数据将被重塑为(T*N, K+H)，并被输入一个具有自定义损失函数的前馈神经网络，该函数适用于两个神经网络，通过构造只能在时间T上计算，从而具有批处理大小=1！
我尝试过以下方法，但由于dims的原因，它无法工作：
from keras.layers import concatenate, Input, LSTM, RepeatVector
from keras.utils.vis_utils import plot_model
from keras.models import Model
in_macro = Input(shape = (T, M), name = 'macro_input')
in_micro = Input(shape = (T, N, K), name = 'micro_input')
lstm = LSTM(4, return_sequences=True)(in_macro)
rep = RepeatVector(N)(lstm)
conc = concatenate([in_micro, rep])
model = Model(inputs=[in_micro,in_macro], outputs=conc)
plot_model(model, show_shapes=True)
ValueError: Input 0 is incompatible with layer repeat_vector_1: expected ndim=2, found ndim=3是否有一种有效的方法来达到这一目标，甚至不需要重复？
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-07-24 11:32:07
使用Lambda层和堆栈找到解决方案：
from keras.layers import concatenate, Input, LSTM
from keras.utils.vis_utils import plot_model
from keras.models import Model
import keras.backend as k
in_macro = Input(shape=(T, M), name='macro_input')
in_micro = Input(shape=(T, N, K), name='micro_input')
lstm = LSTM(4, return_sequences=True)(in_macro)
stack = Lambda(lambda x: k.stack(N*[x], axis=2))(lstm)
conc = concatenate([in_micro, stack])
model = Model(inputs=[in_micro,in_macro], outputs=conc)
plot_model(model, show_shapes=True)
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/63069702
复制相关文章
相似问题
腾讯云开发者
