Keras 实现双层 LSTM 网络：代码示例及详解

以下是使用 Keras 编写的双层 LSTM 的示例代码：

from keras.models import Sequential
from keras.layers import LSTM, Dense

# 定义 LSTM 网络
model = Sequential()
model.add(LSTM(64, return_sequences=True, input_shape=(timesteps, data_dim))) # 第一层 LSTM
model.add(LSTM(32)) # 第二层 LSTM
model.add(Dense(num_classes, activation='softmax'))

# 编译模型
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

# 训练模型
model.fit(X_train, y_train, batch_size=32, epochs=10, validation_data=(X_test, y_test))

其中，'timesteps' 表示时间步数，'data_dim' 表示每个时间步的特征维度，'num_classes' 表示分类数。在第一层 LSTM 中，设置 'return_sequences=True' 表示返回所有时间步的输出，而在第二层 LSTM 中，默认为 'return_sequences=False'，只返回最后一个时间步的输出。最后一层 Dense 层的激活函数设置为 softmax 函数，用于多分类任务。在编译模型时，使用交叉熵损失函数和 Adam 优化器。在训练模型时，使用批处理大小为 32，迭代 10 次，并在验证集上进行验证。