LSTM-autoencoderを可変長時系列データに適用するにはどうすればよいですか？

Question

私はこのチュートリアルでLSTM-オートエンコーダの読み取り：https://blog.keras.io/building-autoencoders-in-keras.html、及び以下対応keras実装貼り付け：この実装で

from keras.layers import Input, LSTM, RepeatVector 
from keras.models import Model 

inputs = Input(shape=(timesteps, input_dim)) 
encoded = LSTM(latent_dim)(inputs) 

decoded = RepeatVector(timesteps)(encoded) 
decoded = LSTM(input_dim, return_sequences=True)(decoded) 

sequence_autoencoder = Model(inputs, decoded) 
encoder = Model(inputs, encoded) 

を、それらがの長さを意味し、形状の（タイムステップ、input_dim）される入力を修正しました時系列データはtimestepsに固定されている。私が正しく覚えていれば、RNN/LSTMは可変長の時系列データを扱うことができ、何らかの方法で長さのデータを受け入れるようにコードを修正することが可能かどうか疑問に思っていますか？

ありがとうございます！

Answer 1

あなたはshape=(None, input_dim)

を使用することができます。しかしRepeatVectorは、入力テンソルから直接寸法を取って、いくつかのハッキングが必要になります。 （コードはテンソルフローで動作し、テアノについてはわかりません）

import keras.backend as K 

def repeat(x): 

    stepMatrix = K.ones_like(x[0][:,:,:1]) #matrix with ones, shaped as (batch, steps, 1) 
    latentMatrix = K.expand_dims(x[1],axis=1) #latent vars, shaped as (batch, 1, latent_dim) 

    return K.batch_dot(stepMatrix,latentMatrix) 


decoded = Lambda(repeat)([inputs,encoded]) 
decoded = LSTM(input_dim, return_sequences=True)(decoded)