我正在尝试实现基于LSTM的语音识别器 . 到目前为止,我可以通过遵循Merge层中的示例来设置双向LSTM(我认为它可以作为双向LSTM) . 现在我想用另一个双向LSTM层来尝试它,这使它成为一个深度双向LSTM . 但我无法弄清楚如何将先前合并的两层的输出连接到第二组LSTM层 . 我不知道Keras是否有可能 . 希望有人可以帮助我 .
我的单层双向LSTM的代码如下
left = Sequential()
left.add(LSTM(output_dim=hidden_units, init='uniform', inner_init='uniform',
forget_bias_init='one', return_sequences=True, activation='tanh',
inner_activation='sigmoid', input_shape=(99, 13)))
right = Sequential()
right.add(LSTM(output_dim=hidden_units, init='uniform', inner_init='uniform',
forget_bias_init='one', return_sequences=True, activation='tanh',
inner_activation='sigmoid', input_shape=(99, 13), go_backwards=True))
model = Sequential()
model.add(Merge([left, right], mode='sum'))
model.add(TimeDistributedDense(nb_classes))
model.add(Activation('softmax'))
sgd = SGD(lr=0.1, decay=1e-5, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy', optimizer=sgd)
print("Train...")
model.fit([X_train, X_train], Y_train, batch_size=1, nb_epoch=nb_epoches, validation_data=([X_test, X_test], Y_test), verbose=1, show_accuracy=True)
我的x和y值的尺寸如下 .
(100, 'train sequences')
(20, 'test sequences')
('X_train shape:', (100, 99, 13))
('X_test shape:', (20, 99, 13))
('y_train shape:', (100, 99, 11))
('y_test shape:', (20, 99, 11))
4 回答
好吧,我得到了Keras问题上发布的问题的答案 . 希望这对任何寻求这种方法的人都有用 . How to implement deep bidirectional -LSTM
你可以使用
keras.layers.wrappers.Bidirectional
. 官方手册可在此处引用,https://keras.io/layers/wrappers/#bidirectional现在设计BiLSTM更容易 . 根据官方文档添加了一个新类
Bidirectional
:https://www.tensorflow.org/api_docs/python/tf/keras/layers/BidirectionalFor training result & full code
Keras example