我正在使用带有张量流后端的Keras . 我在Keras使用功能层 . 我想要实现的是我在某个层面上有以下架构 .
张量为（20,200）----> LSTM ---->分为两个尺寸（20,100）的张量
然后使用这两个张量作为另一个网络的两个分支 . （我们可以认为这是合并操作的反面）
我了解到，实现这一目标的唯一方法是使用Lambda层，因为Keras中没有“Split”功能 .
然而，在查看Lambda函数的文档时，似乎output_shape功能仅在我们使用Keras时才相关 .
任何人都可以就如何实现这一点提出任何建议吗？这是我想要实现的粗略伪代码 .
#Other code before this
lstm_1st_layer = LSTM(nos_hidden_neurons, return_sequences=True)(lstm_0th_layer)
#this layer outputs a tensor of size(20,200)
#Split it into two tensors of size (20,100) each (call them left and right)
left_lstm = LSTM(200, return_sequences=True)(left)
right_lstm = LSTM(200, return_sequences=True)(right)
#Other code after this
1 回答
在你的位置，我只需使用两个单位数量的LSTM层 .
然后你准备好了两个输出：
效果是一样的 .