我正在嘗試了解為時間序列預測開發的模型。它使用一個 Con1D 層和兩個 LSTM 層，然后是一個密集層。我的問題是，它應該Flatten() 在 LSTM 和 Denser 層之間使用嗎？在我看來，輸出應該只有一個值，形狀為(None, 1)，可以通過Flatten()在 LSTM 和 Dense 層之間使用來實現。沒有Flatten()，輸出形狀將為(None, 30, 1)?；蛘?，我可以從第二個 LSTM 層中刪除return_sequences=True，我認為這與Flatten(). 哪種方式更合適？它們會影響損失嗎？這是模型。model = tf.keras.models.Sequential([ tf.keras.layers.Conv1D(filters=32, kernel_size=3, strides=1, padding="causal", activation="relu", input_shape=(30 ,1)), tf.keras.layers.LSTM(32, return_sequences=True), tf.keras.layers.LSTM(32, return_sequences=True), # tf.keras.layers.Flatten(), tf.keras.layers.Dense(1), ])這是沒有的模型摘要Flatten()Model: "sequential"_________________________________________________________________Layer (type) Output Shape Param # =================================================================conv1d (Conv1D) (None, 30, 32) 128 _________________________________________________________________lstm (LSTM) (None, 30, 32) 8320 _________________________________________________________________lstm_1 (LSTM) (None, 30, 32) 8320 _________________________________________________________________dense (Dense) (None, 30, 1) 33 =================================================================Total params: 16,801Trainable params: 16,801Non-trainable params: 0_________________________________________________________________
2 回答
DIEA
TA貢獻1820條經驗 獲得超3個贊
嗯，這取決于你想要達到的目標。我試著給你一些提示，因為我不是 100% 清楚你想要獲得什么。
如果您的 LSTM 使用return_sequences=True，那么您將返回每個 LSTM 單元格的輸出，即每個時間戳的輸出。如果您隨后添加一個密集層，其中一個將添加到每個 LSTM 層的頂部。
如果您將展平層與 一起使用return_sequences=True，那么您基本上是在刪除時間維度，就像(None, 30)您的情況一樣。然后，您可以添加一個致密層或任何您需要的層。
如果你設置return_sequences=False，你只會在你的 LSTM 的最后得到輸出（請注意，在任何情況下，由于 LSTM 的功能，它都是基于在之前的時間戳發生的計算），輸出將是這樣的(None, dim)其中dim等于您在 LSTM 中使用的隱藏單元數（即 32）。同樣，在這里，您可以簡單地添加一個帶有一個隱藏單元的密集層，以獲得您正在尋找的東西。
添加回答
舉報
0/150
提交
取消