首页 文章

在keras中为LSTM模型提供不同大小的输入

提问于
浏览 次
1

我在keras中有一个多类（4级）分类模型，看起来像1

在训练时，模型期望输入形状为（None，None，300） . 也就是说，如果存在'n'个不同的输入序列，则输入形状应为（n，None，300） . 在我的例子中，每个输入序列的大小是不同的 . 比如，输入序列具有形状（1000,300），（1500,300），（1200,300）和（2000,300） . 现在我需要把它们放在一起（4，None，300） . 我尝试使用numpy数组，但是numpy数组不会给出（4，None，300）的形状，而是（4L，） .

现在我想知道如何训练我的模型？是否可以使用numpy数组或任何不同的数据结构？

python neural-network deep-learning keras lstm

1 回答

  • 0

    由于您的序列持续时间不同，您可以考虑用零填充它们（相应地调整损耗/标签）然后

    max_duration = 2000
in_ = np.zeros((4, max_duration, 300), dtype='f4')
for i in xrange(4):
    # fit sequence
    in_[i,:len(seq[i]),:] = seq[i]
    回复于

相关问题