我正在尝试将形状为(Batch_size=None, context_dim)的上下文向量与形状为LSTM (return_sequence=True)的{{1}}隐藏状态输出连接起来
预期输出为 (Batch_size=None, Time_steps=None, feature_dim)
尽管(Batch_size, Time_step, feature_dim+context_dim)暗号没有固定，但我无法使用keras层找到解决方案
我尝试通过 TimeDistributed层来解决此问题，该层应将隐藏状态与上下文张量连接起来。
Time_step我确实得到了预期的输出形状python
inp_seq = Input(shape=(None, FEATURE_DIM,), name="inpt_reference")
inp_context = Input(shape=(FEATURE_DIM,), name="last_inpt_reference")
hidden_state_0 = LSTM(5, return_sequences=True, name="LSTM")(inp_seq)
context_0 = Dense(4, activation='sigmoid', name="dense")(inp_context)
expand_0 = TimeDistributed( Lambda(lambda x: concatenate([x, context_0])), name= "spacial_concat" )
context_0_hidden_state = expand_0(hidden_state_0)
model_representation = Model(inputs = [inp_seq, inp_context],
outputs= context_0_hidden_state)
print(model_representation.summary())
但是，当我打印模型摘要时，我以某种方式看不到 相对于上下文向量的各层
任何人都知道发生了什么事吗？如果这不是正确的方法，那么是否有任何指向正确方法的指针？
谢谢！