Keras的多通道CNN-LSTM

Question

我有一個具有N個特征（維度）的多維時間序列數據集。 我正在構建一個CNN-LSTM模型，它有N個輸入通道（每個功能一個）。 首先，模型應對每個特征執行1D卷積，然后合並輸出並將其饋送到LSTM層。 但是，我遇到尺寸問題（我懷疑這是潛在的問題），即合並的輸出尺寸不是預期的。

我已經在每個功能上嘗試了Flatten（）但它返回（？，？），而Reshape（）似乎也沒有做到這一點。

# Init the multichannel CNN-LSTM proto.
def mccnn_lstm(steps=window, feats=features, dim=1, f=filters, k=kernel, p=pool):
    channels, convs = [], []

    # Multichannel CNN layer
    for i in range(feats):
        chan = Input(shape=(steps, dim))
        conv = Conv1D(filters=f, kernel_size=k, activation="tanh")(chan)
        maxpool = MaxPooling1D(pool_size=p, strides=1)(conv) # Has shape (?, 8, 64)
        flat = Flatten()(maxpool) # Returns (?, ?), not (?, 8*64) as expected
        channels.append(chan)
        convs.append(flat)

    merged = concatenate(convs)  # Returns (?, ?), would expect a tensor like (?, 8*64, num of channels)

    # LSTM layer
    lstm = TimeDistributed(merged)
    lstm = LSTM(64)(merged) # This line raises the error
    dense = Dense(1, activation="sigmoid")(lstm)

    return Model(inputs=channels, outputs=dense)


model = mccnn_lstm()

錯誤信息：

ValueError: Input 0 is incompatible with layer lstm_1: expected ndim=3, found ndim=2

我希望多通道層的合並輸出具有尺寸（？，8 * 64，通道數量）或類似的東西，然后它們將成為LSTM層的輸入。

Answer 1

你在用Keras嗎？ 在這種情況下，您沒有創建任何Sequential()模型。 這可能是錯誤的原因。 請告訴我。

-

編輯 ：

我認為在這個模型中不需要Flatten() 。 Flatten旨在將conv2D()層的輸出饋送到Dense()層，即將二維對象展平為一維向量。 但如果您已經在1D（使用conv1D ）工作，則不需要Flatten() 。