Python TF/Keras中输入和输出长度不等的RNN层

是否可以从RNN获得可变输出长度，即输入长度！=输出顺序长度

下面是一个显示LSTM输出形状的示例，

test\n\u output\u v1

默认设置-仅返回最后一步的输出，

test\n\u output\u v2

返回所有步骤的输出，即我需要类似于

test\n\u output\u v2

的东西，但需要输出形状

（无，变量seq\u length，rnn\u dim）

或至少

（无，最大输出长度，rnn尺寸）

---

根据定义，RNN层不能具有不相等的输入和输出长度。但是，有一个技巧可以使用两个RNN层和中间的

RepeatVector

层来实现不相等但固定的输出长度。下面是一个最小示例模型，该模型接受可变长度的输入序列，并生成具有固定长度的输出序列nd任意长度：

import tensorflow as tf

max_output_length = 35

inp = tf.keras.layers.Input(shape=(None, 10))
x = tf.keras.layers.LSTM(20)(inp)
x = tf.keras.layers.RepeatVector(max_output_length)(x)
out = tf.keras.layers.LSTM(30, return_sequences=True)(x)

model = tf.keras.Model(inp, out)
model.summary()

以下是模型摘要：

Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         [(None, None, 10)]        0         
_________________________________________________________________
lstm (LSTM)                  (None, 20)                2480      
_________________________________________________________________
repeat_vector (RepeatVector) (None, 35, 20)            0         
_________________________________________________________________
lstm_1 (LSTM)                (None, 35, 30)            6120      
=================================================================
Total params: 8,600
Trainable params: 8,600
Non-trainable params: 0
_________________________________________________________________

---

此结构可用于序列到序列模型，其中输入序列的长度不一定与输出序列的长度相同。

这是否回答了您的问题？

Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         [(None, None, 10)]        0         
_________________________________________________________________
lstm (LSTM)                  (None, 20)                2480      
_________________________________________________________________
repeat_vector (RepeatVector) (None, 35, 20)            0         
_________________________________________________________________
lstm_1 (LSTM)                (None, 35, 30)            6120      
=================================================================
Total params: 8,600
Trainable params: 8,600
Non-trainable params: 0
_________________________________________________________________