如何解决将RNN递归中性网络与CNN层相结合
如何使用python对RNN算法与CNN层进行组合或将其进行图像分类?
解决方法
这取决于您要解决的问题,但是当然可以有多种方法。
一个是您可以将CNN层输入到LSTM层中。在这里,您尝试捕获空间特征,然后将这些特殊特征编码为顺序嵌入。这可以通过时间分配CNN的输出来完成,以便LSTM获得顺序输入。
#define CNN model
cnn = Sequential()
cnn.add(Conv2D(...))
cnn.add(MaxPooling2D(...))
cnn.add(Flatten())
# define LSTM model
model = Sequential()
model.add(TimeDistributed(cnn,...))
model.add(LSTM(..))
model.add(Dense(...))
您也可以采用其他方法,将LSTM馈入CNN。这可能是因为您可能想对顺序特征进行编码,但是之后,您可能希望这些隐藏表示的空间组合。这本身可以直接实现,而无需任何时间分布的层。
查找更多详细信息here。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。