如何将LSTM-AutoEncoder应用于变体长度序列数据

Question

我在本教程中读取LSTM-AUTOENCODER：https：//blog.keras.io/building-autoencoders-iencoders-in-keras.html，并粘贴以下相应的keras实现：

from keras.layers import Input, LSTM, RepeatVector
from keras.models import Model
inputs = Input(shape=(timesteps, input_dim))
encoded = LSTM(latent_dim)(inputs)
decoded = RepeatVector(timesteps)(encoded)
decoded = LSTM(input_dim, return_sequences=True)(decoded)
sequence_autoencoder = Model(inputs, decoded)
encoder = Model(inputs, encoded)

在此实现中，他们将输入固定为形状（timeSteps，input_dim），这意味着时间序列数据的长度固定为timesteps。如果我记得正确的RNN/LSTM可以处理可变长度的时间序列数据，我想知道是否可以以某种方式修改上述代码以接受任何长度的数据？

谢谢！

Answer 1

您可以使用shape=(None, input_dim)

但是RepeatVector将需要直接从输入张量进行一些黑客攻击。（该代码可与TensorFlow一起使用，不确定Theano）

import keras.backend as K
def repeat(x):
    stepMatrix = K.ones_like(x[0][:,:,:1]) #matrix with ones, shaped as (batch, steps, 1)
    latentMatrix = K.expand_dims(x[1],axis=1) #latent vars, shaped as (batch, 1, latent_dim)
    return K.batch_dot(stepMatrix,latentMatrix)

decoded = Lambda(repeat)([inputs,encoded])
decoded = LSTM(input_dim, return_sequences=True)(decoded)