如何根据输入值动态堆叠更多Bidirectional LSTM隐藏层？

错误原因 #

你遇到的ValueError是因为Bidirectional层只能接收单个Keras层实例，而你传递了一个LSTM层的列表，不符合该层的初始化要求。

正确实现方法 #

下面提供两种灵活的实现方式，都能根据输入数值动态生成指定数量的Bidirectional(LSTM(50, return_sequences=True))层：

方法1：通过列表拼接构建模型

先初始化固定层列表，再动态生成需要的双向LSTM层并拼接进去：

import tensorflow as tf

# 设定要添加的双向LSTM层数（可替换为任意输入数值）
num_bi_layers = 2

# 构建模型层列表
model_layers = [
    # 初始带输入形状的双向LSTM层
    tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(50, return_sequences=True),
                                  input_shape=x_train.shape[-2:]),
    tf.keras.layers.Dense(20, activation='relu')
]

# 动态添加指定数量的双向LSTM层
model_layers.extend([
    tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(50, return_sequences=True))
    for _ in range(num_bi_layers)
])

# 添加后续固定层
model_layers.extend([
    tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(50)),
    tf.keras.layers.Dense(20, activation='relu'),
    tf.keras.layers.Dense(output)
])

# 创建Sequential模型
lstm_model = tf.keras.models.Sequential(model_layers)

方法2：使用add()方法动态添加层

这种方式适合需要更复杂逻辑控制的场景：

import tensorflow as tf

num_bi_layers = 2

# 初始化空的Sequential模型
lstm_model = tf.keras.models.Sequential()

# 添加初始层
lstm_model.add(tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(50, return_sequences=True),
                                             input_shape=x_train.shape[-2:]))
lstm_model.add(tf.keras.layers.Dense(20, activation='relu'))

# 循环添加指定数量的双向LSTM层
for _ in range(num_bi_layers):
    lstm_model.add(tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(50, return_sequences=True)))

# 添加后续固定层
lstm_model.add(tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(50)))
lstm_model.add(tf.keras.layers.Dense(20, activation='relu'))
lstm_model.add(tf.keras.layers.Dense(output))

核心逻辑说明 #

Bidirectional层的作用是包裹单个循环层，实现双向序列计算，不能同时处理多个层。因此需要为每个LSTM层单独创建Bidirectional实例，再将这些实例逐个添加到模型中，这才是符合API设计的正确做法。

内容的提问来源于stack exchange，提问作者Ahmad Aburoman