如何在从keras转换的coreml中格式化conv1d/lstm nn的输入数据

我的带有输入形状的keras模型（无，40[timesteps]，12[features]）如下所示：

model=Sequential([
Conv1D（每个层的节点，过滤器长度，子样本长度=2，激活='relu'，输入形状=（时间步，数据尺寸），名称='accelerations'），
Conv1D（每个层的节点，过滤器长度，子样本长度=1，激活=relu'），
LSTM（每个层的节点数，返回序列=True），
LSTM（每层节点数，返回序列=False），
辍学，
密集（num_类），
激活（'softmax'，name='scores'），
])

将其转换为.mlmodel后，我将其添加到我的XCodeProject中：

然后，我尝试进行推理并获得预测分数：

func makePredictionRequest（currentScaledMotionArrays:[[Double]]{
let data=_currentScaledMotionArrays.reduce（[]，+）//结果的类型为[Double]，包含480个元素
做{
让mlMultiArray=try mlMultiArray（形状：[40,12]，数据类型：MLMultiArrayDataType.double）
对于data.enumerated（）中的（索引、元素）{
mlMultiArray[索引]=NSNumber（值：元素）
}
让输入=PredictionModelInput（加速：mlMultiArray）
let predictionOutput=try\u predictionModel.prediction（输入：输入）
}
抓住{
打印（错误。本地化描述）
}
}

但是predictionModel.prediction（输入：输入）方法总是失败并抛出以下错误：

模型期望输入功能lstm_1_h_in为数组，但输入类型为0

所以需要初始化lstm层的隐藏状态。我不知道这种行为是否是意料之中的，因为我以前从未遇到过同样的问题。无论是在keras本身还是在google cloud ml中进行推理，我都不知道初始值，通常选择这些值进行推理。也许只是零的数组？有人面临过类似的问题吗

---

可以找到.mlmodel文件。

我实际上实现了我想要做的事情

以下代码段适用于swift 4.0、keras 2.0.4和coremltools 0.4.0

keras输入形状为（无，40[时间步]，12[功能]。请注意下面更改的参数顺序（40[timesteps]，无，12[features]）

两个lstm层的所有32个节点的隐藏统计信息均初始化为零。我必须测试这是否会导致预期的行为，或者我是否必须随机初始化它们

func makePredictionRequest（evaluationStep:evaluationStep）{
let data=_currentScaledMotionArrays.reduce（[]，+）//结果的类型为[Double]，包含480个元素
做{
让accelerationsMultiArray=尝试MLMultiArray（形状：[40,1,12]，数据类型：MLMultiArrayDataType.double）
对于data.enumerated（）中的（索引、元素）{
accelerationsMultiArray[索引]=NSNumber（值：元素）
}
让hiddenStatesMultiArray=尝试MLMultiArray（形状：[32]，数据类型：MLMultiArrayDataType.double）
对于0中的索引。实际的错误消息是什么？愚蠢的我，我只是从apple文档中复制了代码，而没有实际捕获到错误。我相应地更改了我的问题。“零”初始化如何影响您的输出？分类工作如预期的那样（我的.gif上实际显示了正在使用的代码）类似于我在google cloud ml上的实现，我不需要初始化任何东西。我感觉，只要序列足够长，初始化其实并不重要。但到目前为止，我还没有测试过随机初始化。