如果我从 Keras 创建一个 LSTM model 并从头开始创建一个神经网络，是否有可能？

Question

我想问一下，使用 Keras 的 LSTM model 是否可以从头开始继续使用神经网络？ 如果我使用完整的库，这是我的编码：

visible = Input(shape=(MAX_SEQUENCE_LENGTH,), dtype='int32')
embedding = Embedding(len(word_index) + 1, EMBEDDING_DIM, weights = [embedding_matrix], input_length = MAX_SEQUENCE_LENGTH, trainable=False, name = 'embeddings')(visible)
lstm, states_h, states_c = LSTM(60, return_sequences=True, return_state=True, kernel_initializer="random_normal")(embedding)
pooling = GlobalMaxPool1D()(lstm)
hidden = Dense(10, activation='relu')(pooling)
output = Dense(2, activation='softmax')(hidden)

从上面的编码中，是否可以用我自己的从头开始的神经网络替换 Dense() 层？

Answer 1

你的变量hidden没有定义所以我真的不知道你想在这里完成什么，但我认为你应该能够做这样的事情：

visible = Input(shape=(MAX_SEQUENCE_LENGTH,), dtype='int32')
embedding = Embedding(len(word_index) + 1, EMBEDDING_DIM, weights = [embedding_matrix], input_length = MAX_SEQUENCE_LENGTH, trainable=False, name = 'embeddings')(visible)
lstm, states_h, states_c = LSTM(60, return_sequences=True, return_state=True, kernel_initializer="random_normal")(embedding)
pooling = GlobalMaxPool1D()(lstm)
output = your_model(hidden)

您只需确保 model 的形状与hidden的对应

编辑：我没有看到你想从头开始制作 model。 然后你必须制作一个自定义的 keras 层，这里有很好的解释： https://keras.io/guides/making_new_layers_and_models_via_subclassing/