训练具有可变数量特征的 Keras LSTM 模型

Question

我正在 Keras 中训练一个 seq-to-seq 自动编码器，我的输入是(num_examples, time_step, num_features)。问题是，所有示例的num_features都不相同，此外，我将在未来获得其他未知num_feature大小的示例。

到目前为止，我的代码是：

# model architecture
inputs = Input(shape=data.shape[1:])
encoded1 = LSTM(32, return_sequences=True)(inputs)
encoded2 = LSTM(32)(encoded1)
latent_space = Dense(encoding_size)(encoded2)
decoded1 = RepeatVector(1)(latent_space)
decoded2 = LSTM(encoding_size, return_sequences=True)(decoded1)
sequence_autoencoder = Model(inputs, decoded2)

我尝试了：inputs = Input(shape=(1, None))但它抛出了一个错误。关于我如何处理这个问题的任何想法？

Answer 1

在使用 lstm 时，可以通过将 None 设置为输入形状中的时间步来处理输入的不同大小。

inputs = Input(shape=(BATCH_SIZE,None,channels))

通过这种方式，您可以将可变大小的输入馈送到 LSTM。