【483】Keras 中 LSTM 與 BiLSTM 語法

參考：Keras-遞歸層Recurrent官方說明

參考：Keras-Bidirectional包裝器官方說明

LSTM(units=32, input_shape=(10, 64))

• units=32：輸出神經元個數
• input_shape=(10, 64)：輸入數據形狀，10 代表時間序列的長度，64 代表每個時間序列數據的維度

LSTM(units=32, input_dim=64, input_length=10)

• units=32：輸出神經元個數
• input_dim=64：每個時間序列數據的維度
• input_length=10：時間序列的長度

☀☀☀<< 舉例 >>☀☀☀

# as the first layer in a Sequential model
model = Sequential()
model.add(LSTM(32, input_shape=(10, 64)))
# now model.output_shape == (None, 10, 32)
# note: `None` is the batch dimension.

# the following is identical:
model = Sequential()
model.add(LSTM(32, input_dim=64, input_length=10))

# for subsequent layers, not need to specify the input size:
model.add(LSTM(16))

　　

• return_sequences：布爾值，默認False，控制返回類型。若為True則返回整個序列，否則僅返回輸出序列的最后一個輸出

keras.layers.wrappers.Bidirectional(layer, merge_mode='concat', weights=None)

　　雙向RNN包裝器 

　　參數

• layer：Recurrent對象
• merge_mode：前向和后向RNN輸出的結合方式，為sum,mul,concat,ave和None之一，若設為None，則返回值不結合，而是以列表的形式返回

☀☀☀<< 舉例 >>☀☀☀

model = Sequential()
model.add(Bidirectional(LSTM(10, return_sequences=True), input_shape=(5, 10)))
model.add(Bidirectional(LSTM(10)))
model.add(Dense(5))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer='rmsprop')