Keras中的循环自动编码器

有人提出了类似的问题。但我的问题不同

我正在尝试构建一个RNN自动编码器，如下所示。

基本上，编码器和解码器都是DNN。RNN将所有编码结果作为时间序列。权值在编码器和解码器之间相应地共享

问题：我知道如何构建自动编码器，但不知道如何在嵌入层中实现RNN

这是我的自动编码器代码：

def自动编码器（adj）： h、 w=调整形状 kwargs=dict( 使用_bias=True， kernel\u initializer='glorot\u normal'， 核正则化器=无， 偏差\u初始值设定项='零'， 偏差\正则化器=无， 可训练的， ) 数据=输入（shape=（w，），dtype=np.float32，name='data'） 噪声_数据=辍学（速率=0.5，name='drop0'）（数据） 编码=密集（256，激活='relu'，名称='encoded1'，**kwargs）（嘈杂的数据） 已编码=密集（128，活动='relu'，名称='encoded2'，**kwargs）（已编码） 编码器=模型（[数据]，编码） encoded1=encoder.get_层（'encoded1'） encoded2=encoder.get_层（'encoded2'） ###需要RNN（LSTM）将h编码结果作为时间序列 decoded=DenseTied（256，tie_to=encoded2，transpose=True，acitvation='relu'，name='decoded2'）（编码） decoded=DenseTied（w，tie_to=encoded1，transpose=True，activation='relu'，name='decoded1'）（已解码） #编译自动编码器 adam=优化器。adam（lr=0.001，衰减=0.0） 自动编码器=模型（输入=[数据]，输出=[解码]） 编译（优化器=adam，loss=mbce） 返回编码器，自动编码器