如何自定义搭建符合指定参数结构的LSTM网络层？

修正后的实现方案 #

你现有代码的主要问题有3处：

• 多定义了一层LSTM，需求仅要求1层8隐藏单元的循环层
• 输入形状参数未匹配7个特征的要求，LSTM的输入格式为(时间步长, 特征数)
• 第三层Dense后缺少逗号，会触发语法错误

场景1：不需要Embedding层（输入为7维数值特征序列） #

import tensorflow as tf

# time_steps替换为你实际的序列时间步长度，单时间步场景填1即可
time_steps = 1 
model = tf.keras.Sequential([
    # 循环层：8个隐藏单元
    tf.keras.layers.LSTM(8, input_shape=(time_steps, 7)),
    # 全连接层：4个神经元
    tf.keras.layers.Dense(4, activation=tf.nn.relu),
    # 输出层：2个神经元
    tf.keras.layers.Dense(2, activation=tf.nn.softmax)
])

model.summary()

场景2：需要保留初始模型的Embedding层（输入为整数索引序列） #

如果你的输入是整数序列，需要保留Embedding做特征映射，实现如下：

import tensorflow as tf

vocab_size = 100 # 替换为你的实际词表大小
sequence_length = 7 # 对应输入层7个特征
model = tf.keras.Sequential([
    tf.keras.layers.Embedding(vocab_size, 8, input_length=sequence_length),
    tf.keras.layers.LSTM(8),
    tf.keras.layers.Dense(4, activation='relu'),
    tf.keras.layers.Dense(2, activation='softmax')
])

model.summary()

运行model.summary()即可验证层结构和参数数量是否符合预期。

内容的提问来源于stack exchange，提问作者NewbieBros