为什么要在这个 seq2seq 模型中添加输入？

Question

我一直在努力理解 keras 上关于 seq2seq2 的示例代码。

Link: https://blog.keras.io/a-ten-minute-introduction-to-sequence-to-sequence-learning-in-keras.html

如果我理解它，下面的 decoder_model 的输入是： decoder_inputs 和 decoder_states_inputs 其中 [decoder_inputs] 应该用作 "actual" 输入，而 decoder_states_inputs 初始化 lstm 层的状态。

创建模型时，将看似用于不同事物的两个输入与“+”运算符组合在一起。 Model()如何区分两者？

encoder_model = Model(encoder_inputs, encoder_states)

decoder_state_input_h = Input(shape=(latent_dim,))
decoder_state_input_c = Input(shape=(latent_dim,))
decoder_states_inputs = [decoder_state_input_h, decoder_state_input_c]
decoder_outputs, state_h, state_c = decoder_lstm(
    decoder_inputs, initial_state=decoder_states_inputs)
decoder_states = [state_h, state_c]
decoder_outputs = decoder_dense(decoder_outputs)
decoder_model = Model(
    [decoder_inputs] + decoder_states_inputs,
    [decoder_outputs] + decoder_states)

Answer 1

他们正在求和 list 个对象，而不是值。

• decoder_states_inputs 是一个 list。 （由 [decoder_state_input_h, decoder_state_input_c] 组成）
• [decoder_inputs]是一个list（看看[]）

A list + list 只是两个列表的串联。

所以：[decoder_inputs] + [decoder_state_input_h, decoder_state_input_c]
等于：[decoder_inputs, decoder_state_input_h, decoder_state_input_c]

这只是模型的输入列表。您始终需要传递列表中的所有输入来创建模型。