很清楚LSTM如何与1功能一起工作。但是,如果功能的数量大于1,会发生什么呢?根据这里提出的答案,
Keras创建了一个计算图,它将执行每个特性(但针对所有单元)的底部图片中的序列。相反,我们只得到单位的数量(如果是return_sequences=False,否则是number of timesteps x number of units)。特性发生了什么变化,它们是如何处理的?在哪一步,以及它们如何合并?
我现在开始学习神经网络,尤其是时间序列模型的LSTM。 我读过一篇论文(convex based LSTM),其中有人使用并行LSTM,然后将它们的输出组合在一起。现在我想知道如何实现这种类型的网络。我知道,在Keras中的LSTM构造函数中的参数“unit”是输出的大小,因为最后是元素乘法。但是,我不能确定具有N个单元的Keras-LSTM层是否与具有<
我已经将一系列图像读取到一个形状为(7338, 225, 1024, 3)的numpy数组中,其中7338是样本大小,225是时间步长,1024 (32x32)是3通道(RGB)中的扁平图像像素。我有一个带有LSTM层的顺序模型:model.add(LSTM(128, input_shape=(225, 1024, 3))Input0 is incompatible with layer lstm_1: expected n