如何在Keras中声明多个输入LSTM模型？

Question

我有一个声明LSTM的Keras代码。 但是我注意到最新版本中已经删除了Container类。 https://keras.io/layers/containers/

如何以最新格式声明LSTM的多个输入？ 我想连接LSTM输入的所有输入。

虽然我注意到了类似的帖子，但我想要做的是声明模型。 如何在Keras中使用LSTM的多个输入？

• keras 1.2.2
• Python 3.5.2（Anaconda 4.1.1,64bit）

```

g = Graph()
g.add_input(
    name='i1',
    input_shape=(None, i1_size)
)
g.add_input(
    name='i2',
    input_shape=(None, i2_size)
)
g.add_node(
    LSTM(
        n_hidden,
        return_sequences=True,
        activation='tanh'
    ),
    name='h1',
    inputs=[
        'i1',
        'i2'
    ]
)

```

哦，我可以将input_shape设置为（i1_size + i2_size），如下所示吗？

model = Sequential()
model.add(LSTM(n_hidden, input_shape=(None, i1_size+i2_size), activation='tanh', return_sequences=True))

Answer 1

您询问：

哦，我可以将input_shape设置为（i1_size + i2_size），如下所示吗？

 model = Sequential() model.add(LSTM(n_hidden, input_shape=(None, i1_size+i2_size), activation='tanh', return_sequences=True)) 

是的，杰夫。 请记住，你的无（无，i1_size + i2_size）是RNN时间步数/ input_length的数量，当你可以跳过定义它时有一些警告。 有关详细信息，请参阅https://keras.io/layers/recurrent/上的 input_length说明。

只有FYI input_shape=(None, i1_size+i2_size)也可以写成input_dim=i1_size+i2_size （假设你不包含input_length ）。