【keras】序贯Sequential模型实例之用于序列分类的栈式LSTM

最新推荐文章于 2022-02-20 16:27:19 发布

原创最新推荐文章于 2022-02-20 16:27:19 发布 · 2.4k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#keras #深度学习 #LSTM #多层栈式

深度学习同时被 2 个专栏收录

29 篇文章

订阅专栏

Keras

15 篇文章

订阅专栏

本文介绍了一种使用栈式LSTM模型进行序列分类的方法。该模型由三层LSTM组成，前两层返回序列输出，最后一层仅返回最终输出，以实现从序列到单一向量的转换。此外，还展示了如何利用Keras搭建模型并进行训练。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

用于序列分类的栈式LSTM模型：

在该模型中，我们将三个LSTM堆叠在一起，是该模型能够学习更高层次的时域特征表示。

开始的两层LSTM返回其全部输出序列，而第三层LSTM只返回其输出序列的最后一步结果，从而其时域维度降低（即将输入序列转换为单个向量）

这里写图片描述

from keras.models import Sequential
from keras.layers import LSTM, Dense
import numpy as np

data_dim = 16
timesteps = 8
num_classes = 10

# expected input data shape: (batch_size, timesteps, data_dim)
model = Sequential()
model.add(LSTM(32, return_sequences=True,
               input_shape=(timesteps, data_dim)))  # returns a sequence of vectors of dimension 32
model.add(LSTM(32, return_sequences=True))  # returns a sequence of vectors of dimension 32
model.add(LSTM(32))  # return a single vector of dimension 32
model.add(Dense(10, activation='softmax'))

model.compile(loss='categorical_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

# Generate dummy training data
x_train = np.random.random((1000, timesteps, data_dim))
y_train = np.random.random((1000, num_classes))

# Generate dummy validation data
x_val = np.random.random((100, timesteps, data_dim))
y_val = np.random.random((100, num_classes))

model.fit(x_train, y_train,
          batch_size=64, epochs=5,
          validation_data=(x_val, y_val))