[英]Is it possible if I create an LSTM model from Keras and followed by a Neural Network from scratch?
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?
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/
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.