千層麪使用圖像輸入作爲LSTMLayer的初始隱藏狀態

Question

我正在做一個關於圖像字幕的項目。我想用shape =（batch_size，512）設置一批圖像特徵作爲Lasagne（theano）中LSTMLayer的初始隱藏狀態。輸入到LSTMLayer的序列是一批具有shape =（batch_size，max_sequence_length，512）的文本序列。我注意到lasagne中的LSTMLayer有一個hid_init參數。有誰知道如何將它用於Lasagne的LSTMLayer？我是否需要自己實施自定義LSTMLayer？

Answer 1

你不需要設置H_0參數，因爲H_0使用C0（見本enter link description here並記下從H0到C0連接），所以，你必須設置只C0參數：

decoder = LSTMLayer(l_word_embeddings, 
       num_units=LSTM_UNITS, 
       cell_init=your_image_features_layer_512_shape, #this is c0 
       mask_input=l_mask) 

可以設置c0作爲層或作爲其他陣列（參見lasagne LSTM doc enter link description here）。

準備好進一步討論。