具有多个输入的 Keras TimeDistributed 层
Keras TimeDistributed layer with multiple inputs
我正在尝试使以下代码行正常工作：
low_encoder_out = TimeDistributed( AutoregressiveDecoder(...) )([X_tf, embeddings])
其中 AutoregressiveDecoder 是一个接受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合并两个输入，但由于它们的形状是
X_tf.shape: (?, 16, 16, 128, 5)
embeddings.shape: (?, 16, 1024)
真不知道怎么合并。有没有办法让 TimeDistributed 层处理多个输入？或者，有没有什么方法可以很好地合并两个输入？
如您所述，TimeDistributed 图层不支持多输入。考虑到所有输入的时间步数（即第二轴）必须相同这一事实，一种（不是很好的）解决方法是将它们全部重塑为 (None, n_timsteps, n_featsN)，连接它们然后馈送它们作为 TimeDistributed 层的输入：
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。
我正在尝试使以下代码行正常工作：
low_encoder_out = TimeDistributed( AutoregressiveDecoder(...) )([X_tf, embeddings])
其中 AutoregressiveDecoder 是一个接受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合并两个输入，但由于它们的形状是
X_tf.shape: (?, 16, 16, 128, 5)
embeddings.shape: (?, 16, 1024)
真不知道怎么合并。有没有办法让 TimeDistributed 层处理多个输入？或者，有没有什么方法可以很好地合并两个输入？
如您所述，TimeDistributed 图层不支持多输入。考虑到所有输入的时间步数（即第二轴）必须相同这一事实，一种（不是很好的）解决方法是将它们全部重塑为 (None, n_timsteps, n_featsN)，连接它们然后馈送它们作为 TimeDistributed 层的输入：
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。