我想重建输入层的输出形状，例如，如果它是 (None, 42)，我从第一个神经元开始，取第 1 到第 7 个，然后向右滑动一个神经元，取第 2 个到第 8 位，依此类推。这样输出层将是形状 (None, 36, 7)。
我正在使用 keras.layers.Lambda() 层来执行此操作，但它无法正常工作并且尺寸不是我所期望的。我写的代码如下:
Inpt_lyr = keras.Input(shape = (42,))
for k in range(42 - 7 + 1):
F = keras.layers.Lambda(lambda x, i, j: x[:,j : j + i])
F.arguments ={ 'i' : 7, 'j' : k}
tmp_rfrm = F(Inpt_lyr)
lst_rfrm.append(tmp_rfrm)
cnctnt_lyr = keras.layers.merge.Concatenate(axis = 0)(lst_rfrm)
tmp_dns = keras.layers.Dense(3 , activation = 'softmax')(cnctnt_lyr)
tmp_model = Model(Inpt_lyr, tmp_dns)
tmp_model.compile(loss = 'categorical_crossentropy', optimizer = 'adam')
tmp_model.summary()
我希望 conct_lyr 的形状是 (None, 36, 7)，但它是 (None,7) 它也给出了错误 ValueError:图形断开连接:无法在“input_3”层获取张量 Tensor(“input_3:0”，shape=(?, 42)，dtype=float32) 的值。可以毫无问题地访问以下先前的层:['input_4']
请您参考如下方法:
你的方法对我来说看起来很明智，但张量目前正在沿着批处理轴连接，这在这种情况下是不可取的。
我建议在滑动窗口时扩展维度 1:
for k in range(42 - 7 + 1):
F = keras.layers.Lambda(lambda x, i, j: x[:, None, j: j + i])
# F(Inpt_lyr).shape=(?, 1, 7)
然后沿着扩展轴连接张量:
cnctnt_lyr = keras.layers.merge.Concatenate(axis=1)(lst_rfrm)
# cnctnt_lyr.shape=(?, 36, 7)
