我在本教程中阅读了 LSTM-autoencoder：https://blog.keras.io/building-autoencoders-in-keras.html，并在下面粘贴相应的 keras 实现：
from keras.layers import Input, LSTM, RepeatVector
from keras.models import Model
inputs = Input(shape=(timesteps, input_dim))
encoded = LSTM(latent_dim)(inputs)
decoded = RepeatVector(timesteps)(encoded)
decoded = LSTM(input_dim, return_sequences=True)(decoded)
sequence_autoencoder = Model(inputs, decoded)
encoder = Model(inputs, encoded)
在此实现中，他们将输入固定为形状 (timesteps, input_dim)，这意味着时间序列数据的长度固定为timesteps。如果我没记错的话，RNN/LSTM 可以处理可变长度的时间序列数据，我想知道是否可以以某种方式修改上面的代码以接受任何长度的数据？
谢谢！
我在文件中定义了许多模块,并添加from myFile import *到我的ipython笔记本的第一行,以便我可以将它用作此笔记本中其他部分的依赖项.
目前我的工作流程是:
myFile有谁知道是否有办法重新加载所有模块myFile而无需重启Ipython内核？谢谢!
我定义了一个自定义损失函数如下：
weight_for_hierarchical_error = K.variable(np.ones(16))
def mse_weighted(y_true, y_pred):
return K.mean(weight_for_hierarchical_error * K.square(y_pred - y_true), axis=-1)
当我将模型保存在 hdf5 文件中，然后尝试使用 加载它时load_model，我收到以下错误信息：
ValueError: Unknown loss function:mse_weighted
有谁知道如何解决这个问题？
谢谢！
我正在尝试使用 LSTM 自动编码器以可变长度的序列作为输入进行序列到序列学习，使用以下代码：
inputs = Input(shape=(None, input_dim))
masked_input = Masking(mask_value=0.0, input_shape=(None,input_dim))(inputs)
encoded = LSTM(latent_dim)(masked_input)
decoded = RepeatVector(timesteps)(encoded)
decoded = LSTM(input_dim, return_sequences=True)(decoded)
sequence_autoencoder = Model(inputs, decoded)
encoder = Model(inputs, encoded)
其中inputs原始序列数据用 0 填充到相同的长度 ( timesteps)。使用上面的代码，输出的长度也是timesteps，但是当我们计算损失函数时，我们只需要Ni输出的第一个元素（其中Ni是输入序列 i 的长度，对于不同的序列可能不同）。有谁知道是否有一些好的方法可以做到这一点？
谢谢！