我正在尝试使以下代码行正常工作:
low_encoder_out = TimeDistributed( AutoregressiveDecoder(...) )([X_tf, embeddings])
Where AutoregressiveDecoder
是一个需要两个输入的自定义层。
经过一番谷歌搜索后,问题似乎是TimeDistributed
包装器不接受多个输入。有一些解决方案建议在将两个输入馈送到层之前将其合并,但由于它们的形状是
X_tf.shape: (?, 16, 16, 128, 5)
embeddings.shape: (?, 16, 1024)
我真的不知道如何合并它们。有没有办法让TimeDistributed
层可以处理多个输入吗?或者,有没有什么方法可以很好地合并两个输入?
正如你提到的TimeDistributed
层不支持多个输入。考虑到所有输入的时间步数(即第二轴)必须相同,一种(不是很好)的解决方法是将所有输入重塑为(None, n_timsteps, n_featsN)
,将它们连接起来,然后将它们作为输入TimeDistributed
layer:
X_tf_r = Reshape((n_timesteps, -1))(X_tf)
embeddings_r = Reshape((n_timesteps, -1))(embeddings)
concat = concatenate([X_tf_r, embeddings_r])
low_encoder_out = TimeDistributed(AutoregressiveDecoder(...))(concat)
当然,您可能需要修改自定义层的定义,并在必要时将输入分开。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)