如何使用4维输入输入LSTM？

Question

我有一个形状如下的序列输入： (6000, 64, 100, 50)

的6000是样本的序列只是数量。每个序列64的长度。

我计划使用Keras将这个输入适合LSTM。

我以这种方式设置输入：

input = Input(shape=(64, 100, 50))

这给了我一个输入形状 (?, 64, 100, 50)

但是，当我input像这样放入LSTM时：

x = LSTM(256, return_sequences=True)(input)

我收到此错误：

输入0与lstm_37层不兼容：预期ndim = 3，找到的ndim = 4

如果我的输入形状像(?, 64, 100)，这将是可行的，但是当我具有第4维时，则不会。

这是否意味着LSTM只能接受3维输入？如何使用Keras将4维甚至更高维的输入输入LSTM？

Answer 1

您还可以考虑 TimeDistributed(LSTM(...))

inp = Input(shape=(64, 100, 50))
x = TimeDistributed(LSTM(256, return_sequences=True))(inp)

model = Model(inp, x)
model.compile('adam', 'mse')
model.summary()

Answer 2

答案是你不能。

Keras 文档提供了有关循环层的以下信息：

输入形状

具有 shape 的 3D 张量(batch_size, timesteps, input_dim)。

在您的情况下，您有 64 个时间步，其中每个步的形状为 (100, 50)。让模型正常工作的最简单方法是将数据重塑为 (100*50)。

Numpy 提供了一个简单的函数来做到这一点：

X = numpy.zeros((6000, 64, 100, 50), dtype=numpy.uint8)
X = numpy.reshape(X, (6000, 64, 100*50))

这是否合理很大程度上取决于您的数据。