为什么包裹一个层会删除Keras中另一个层的内核属性

Question

我目前正在创建一个基于LSTM的时间序列预测网络，我想尝试使用Keras的Bidirectional包装器，看看它是否可以提高我的准确性。

但是，添加包装器会导致我的输出层丢失其kernel属性，这是有问题的，因为我的优化器试图访问它，导致编译时崩溃。

也就是说，当我这样做时：

model = Sequential()
model.add(LSTM(
100,
batch_input_shape=(batch_size, look_back, features),
))
model.add(Dense(1))
print(hasattr(model.layers[-1], 'kernel'))

真实

但是当像这样包装LSTM时：

model = Sequential()
model.add(Bidirectional(LSTM(
100,
batch_input_shape=(batch_size, look_back, features),
)))
model.add(Dense(1))
print(hasattr(model.layers[-1], 'kernel'))

错误

Answer 1

解决方案是让你的网络预测一些东西，然后用你的自定义优化器进行编译：

model = Sequential()
model.add(Bidirectional(LSTM(
100,
batch_input_shape=(batch_size, look_back, features),
)))
model.add(Dense(1))
model.predict(np.zeros((batch_size, look_back, features)))
print(hasattr(model.layers[-1], 'kernel'))
model.compile(optimizer=CustomOptimizer(), loss='mse')

真实