本文共 756 字，大约阅读时间需要 2 分钟。

1. 功能

实现RNN神经网络的双向构造，比如LSTM、GRU等等

2.参数

tf.keras.layers.Bidirectional(    layer, merge_mode='concat', weights=None, backward_layer=None,    **kwargs)

• layer：选择模型，如LSTM、GRU
• merge_mode：前向和后向RNN的输出将被组合的模式。{‘sum’，‘mul’，‘concat’，‘ave’，None}中的一个。如果为None，则将不合并输出，它们将作为列表返回。默认值为“ concat”。
• weights：官网也没有说明。
• backward_layer：处理向后输入处理的神经网络，如果未提供，则作为参数传递的图层实例 将用于自动生成后向图层。

注意：

该层的调用参数与包装的RNN层的调用参数相同。请注意，在initial_state此层的调用期间传递参数时，列表中元素列表的前半部分initial_state 将传递给正向RNN调用，而元素列表中的后半部分将传递给后向RNN调用。

代码示例：

model = Sequential()model.add(Bidirectional(LSTM(10, return_sequences=True),                        input_shape=(5, 10)))model.add(Bidirectional(LSTM(10)))model.add(Dense(5))model.add(Activation('softmax'))model.compile(loss='categorical_crossentropy', optimizer='rmsprop')

转载地址：https://mtyjkh.blog.csdn.net/article/details/115524419 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！