LSTM结合一维CNN使用的基本理解

LSTM结合一维CNN使用的基本理解"/>

LSTM结合一维CNN使用的基本理解

        结合一维 CNN 和 RNN 来处理长序列已经十分常见，然而这对组合对身为小白的我造成了一定的困扰。要知道CNN各通道的输出可是平行的，并不存在什么先后顺序，然而RNN却要求的输入却是序列，这一开始令我十分不解，而后通过对CNN和RNN的输出输入参数的数量和形状为切入点总算是让我搞明白了它们的运作机理。    

简化模型如下：

from keras.models import Sequential
from keras import layersmodel = Sequential()
model.add(layers.Conv1D(64, 5, activation='relu',input_shape=(None, 10)))
model.add(layers.LSTM(32))

看看模型的参数数量：

model.summary()
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv