在Keras中构建具有嵌入层的LSTM网络

Question

我想创建一个Keras模型，包括一个嵌入层，然后是两个具有dropout 0.5的LSTM，最后是一个具有softmax激活的密集层。

第一个LSTM应该将顺序输出传播到第二层，而在第二层中，我只想在处理完整个序列后获得LSTM的隐藏状态。

我尝试了以下方法：

sentence_indices = Input(input_shape, dtype = 'int32')

embedding_layer = pretrained_embedding_layer(word_to_vec_map, word_to_index)

embeddings = embedding_layer(sentence_indices)
# Propagate the embeddings through an LSTM layer with 128-dimensional hidden state
X = LSTM(128, return_sequences=True, dropout = 0.5)(embeddings)

# Propagate X trough another LSTM layer with 128-dimensional hidden state
X = LSTM(128, return_sequences=False, return_state=True, dropout = 0.5)(X)

# Propagate X through a Dense layer with softmax activation to get back a batch of 5-dimensional vectors.
X = Dense(5, activation='softmax')(X)

# Create Model instance which converts sentence_indices into X.
model = Model(inputs=[sentence_indices], outputs=[X])

但是，我遇到以下错误：

ValueError: Layer dense_5 expects 1 inputs, but it received 3 input tensors. Input received: [<tf.Tensor 'lstm_10/TensorArrayReadV3:0' shape=(?, 128) dtype=float32>, <tf.Tensor 'lstm_10/while/Exit_2:0' shape=(?, 128) dtype=float32>, <tf.Tensor 'lstm_10/while/Exit_3:0' shape=(?, 128) dtype=float32>]

显然，LSTM并没有返回我所期望的形状输出。如何修复此问题？

Answer 1

如果设置了return\u state=True，则LSTM（…）（十） 返回三个内容：输出、最后一个隐藏状态和最后一个单元格状态。

因此，与X=LSTM（128，return\u sequences=False，return\u state=True，dropout=0.5）（X）相反，doX，h，c=LSTM（128，return\u sequences=False，return\u state=True，dropout=0.5）（X）

请参阅此处的示例。