在Keras中将2D CNN与GRU结合

Question

我想构建这种类型的神经网络体系结构：2dcnn gru。考虑到输入是4D tensor(batch_size，1，1500，40(，然后我有3个2D-CNN层(带有批处理标准，relu，最大池和辍学(。在第三个CNN层的输出中，我获得了4D量(无，120、1500、1(。现在是我的问题，如何将GRU层与此输入形状联系起来？我试图在keras中进行重塑(因此它变成(无，1500，120((，并通过gru层进出输出，但有问题...还要考虑一下，我的培训标签是3D tensor(batch_size，1500，2(。我在此处复制KERAS模型和summary((命令的输出：

    input_data = Input(shape=[1,1500,40])
    x = input_data
    for i in range(len([32,96,120])):
        x = Conv2D(filters=[32,96,120],
                   kernel_size=[5,5],
                   activation='relu',
                   padding='same'
                   )(x)
        x = BatchNormalization(axis=3)(x)
        x = Dropout(0.3)(x)
        x = MaxPooling2D(pool_size=[(1,5),(1,4),(1,2)],
                         data_format="channels_first")(x)
    x = Reshape((1500, 120))(x)
    x = GRU(units=120,
            activation='tanh',
            recurrent_activation='hard_sigmoid',
            dropout=0.3,
            recurrent_dropout=0.3,
            )(x)
    predictions = Dense(2, activation='softmax')(x)
    network = Model(input_data, predictions)
    network.summary()

网络摘要

你能帮我吗？谢谢

Answer 1

似乎您期望输入的每个时间段预测。为了获得此功能，您需要在创建GRU层时将参数return_sequences设置添加到True。