keras 双向LSTM 简单示例

示例1：仅返回各个时刻的状态

import tensorflow.compat.v1 as tf
from keras.layers import ConvLSTM2D,TimeDistributed,Conv2D,Bidirectional
import numpy as npinputs_np = tf.convert_to_tensor(np.random.random((4,6,256,256,3)).astype(np.float32))  # shape = [5,6,10,10,3]conv1 = TimeDistributed(Conv2D(filters=10,kernel_size=(3,3),strides=(1,1)),input_shape=(6,256,256,3))(inputs_np)
lstm_outs= Bidirectional(ConvLSTM2D(filters=4,kernel_size=(3,3),strides=(1,1),padding='valid',activation='tanh',return_sequences=True),merge_mode=None)(conv1)with tf.Session() as sess:sess.run(tf.global_variables_initializer())lstm_out_1,lstm_out_2 = sess.run(lstm_outs)print(lstm_out_1.shape)

注意：在Bidirectional中，参数merge_mode有5种选择["sum","mul","concat","ave",None],默认是“concat”模式，两个LSTM的输出沿channel维度串联。选择None时，输出不会被结合，作为一个列表返回。

示例2：同时返回各个时刻的输出，与最后一个时刻的状态（注意输出的排序）

import tensorflow as tf
import numpy as np
import keras
from keras.layers import ConvLSTM2D,Bidirectionallstm_input = np.random.random((4,6,30,30,3)).astype(np.float32)
lstm_input = tf.convert_to_tensor(lstm_input)lstm_out1,lstm_out2,h1,c1,h2,c2 = Bidirectional(ConvLSTM2D(filters=1,kernel_size=[5,5],strides=(1,1),padding='valid',activation='relu',batch_input_shape=(-1,6,30,30,3),return_sequences=False,return_state=True),merge_mode=None)(lstm_input)with tf.Session() as sess:sess.run(tf.global_variables_initializer())lstm_out1,lstm_out2,h1,c1,h2,c2= sess.run([lstm_out1,lstm_out2,h1,c1,h2,c2])print(lstm_out1==h1)print(lstm_out2==h2)

可见，在双向LSTM中，如果输出LSTM的最后一个时刻的cell状态，得到的输出的排序是：lstm_out1, lstm_out2, h1, c1, h2, c2。

其中lstm_out1,h1,c1是前向LSTM的输出，lstm_out2,h2,c2是后向LSTM的输出。

参考：https://keras.io/zh/layers/wrappers/#bidirectional

keras 双向LSTM 简单示例相关推荐

keras 双向LSTM
keras 双向LSTM 双向LSTM利用到了未来的信息,在一些文本分类和序列预测问题上可以做到比单向LSTM更好的效果,BiLSTM与LSTM相比,多了一个反向计算,同时利用正向方向的数据计算最终输 ...
RNN结构，双向LSTM，Transformer， BERT对比分析
最近接到一些秋招面试,发现自己对于好多网络结构都模糊了,刚好最近在调研模型,就趁这个机会把之前的常见模型知识梳理一下. 主要参考文档: https://jalammar.github.io/illus ...
利用Keras开发用于分类问题的双向LSTM及与LSTM性能的比较
双向LSTM是传统LSTM的扩展,可以提高序列分类问题的模型性能.在输入序列为时间问题的分类数据上,双向LSTM在输入序列上训练的模型是两个而不是一个LSTM.输入序列中的第一个是原始样本,第二个是输 ...
使用Keras进行深度学习：（六）LSTM和双向LSTM讲解及实践
###欢迎大家关注我们的网站和系列教程:http://www.tensorflownews.com/,学习更多的机器学习.深度学习的知识! 介绍长短期记忆(Long Short Term Memor ...
keras实例学习-双向LSTM进行imdb情感分类
源码:https://github.com/keras-team/keras/blob/master/examples/imdb_bidirectional_lstm.py 及keras中文文档 1. ...
基于keras的双层LSTM网络和双向LSTM网络
1 前言基于keras的双层LSTM网络和双向LSTM网络中,都会用到 LSTM层,主要参数如下: LSTM(units,input_shape,return_sequences=False) un ...
tf.keras.layers.LSTM 示例
import tensorflow as tf inputs = tf.random.normal([1, # batch2, # 时间步长(时间窗)3 # 输入维度 ]) print("输 ...
基于双向LSTM和迁移学习的seq2seq核心实体识别
http://spaces.ac.cn/archives/3942/ 暑假期间做了一下百度和西安交大联合举办的核心实体识别竞赛,最终的结果还不错,遂记录一下.模型的效果不是最好的,但是胜在" ...
[深度学习] PyTorch 实现双向LSTM 情感分析
一前言情感分析(Sentiment Analysis),也称为情感分类,属于自然语言处理(Natural Language Processing,NLP)领域的一个分支任务,随着互联网的发展而兴 ...

keras 双向LSTM 简单示例

示例1：仅返回各个时刻的状态

示例2：同时返回各个时刻的输出，与最后一个时刻的状态（注意输出的排序）

keras 双向LSTM 简单示例相关推荐

最新文章

热门文章

keras 双向LSTM 简单示例

示例1： 仅返回各个时刻的状态

示例2：同时返回各个时刻的输出，与最后一个时刻的状态（注意输出的排序）

keras 双向LSTM 简单示例相关推荐

最新文章

热门文章

示例1：仅返回各个时刻的状态