Tensoflow2下的keras API LSTM和Conv1D没有使用的参数input_shape吗?
- LSTM代码1
model = keras.Sequential()
# model.add(keras.layers.LSTM(32, input_shape=[X_train[1:]], return_sequences=True))
model.add(keras.layers.LSTM(32, return_sequences=True))
model.add(keras.layers.LSTM(32, return_sequences=True))
model.add(keras.layers.LSTM(32, return_sequences=True))
model.add(keras.layers.LSTM(32, return_sequences=False))
model.add(keras.layers.Dense(1))
- LSTM代码2
model = tf.keras.Sequential()
model.add(tf.keras.layers.LSTM(50, activation='relu'))
model.add(tf.keras.layers.Dense(20, activation='relu'))
model.add(tf.keras.layers.Dense(10, activation='relu'))
model.add(tf.keras.layers.Dense(1, activation='linear'))
>> ts_train_X.shape
(16469, 3, 21)
许多有关stackoverflow的文章和问题,以便为LSTM提供合适的数据框。发现几乎每个页面都指定了该input_shape参数,并将其传递给LSTM(…)
为什么我的代码有效?如果不指定input_shape参数,那么作为第一层的LSTM层如何知道输入的形状?
- conv1D代码
model = keras.Sequential()
# model.add(keras.layers.Conv1D(32, 7, input_shape=X_train[1:]))
model.add(keras.layers.Conv1D(32, 7, activation='relu', padding='same'))
model.add(keras.layers.MaxPooling1D())
model.add(keras.layers.Conv1D(32, 7, activation='relu', padding='same'))
model.add(keras.layers.GlobalMaxPool1D())
model.add(keras.layers.Dense(10, activation='relu'))
model.add(keras.layers.Dense(99, activation='softmax'))
conv1D不指定input_shape的话,在fit之前会报错
ValueError: This model has not yet been built. Build the model first by calling `build()` or calling `fit()` with some data, or specify an `input_shape` argument in the first layer(s) for automatic build.
然后根据错误得出,在fit之后网络会自己推断出input_shape,在fit之后打印网络结果就不需要指定input_shape,fit之前需要指定。
- embedding与LSTM代码
model = keras.Sequential()
# Embedding把文本映射成密集向量
model.add(keras.layers.Embedding(max_word, 50, input_length=maxlen))
model.add(keras.layers.LSTM(64, return_sequences=False))
model.add(keras.layers.Dense(10, activation='relu'))
model.add(keras.layers.Dense(1, activation='sigmoid'))
model.summary()
这里不需要指定是因为前面Embedding指定了,第二层就不用指定了。
总结:
上面不指定input_shape代码有效,因为input_shape将其作为关键字参数(**kwargs)传递,然后这些关键字参数由LSTM构造函数传递给Layer构造函数,然后构造函数继续存储信息以供以后使用。