我目前正在创建一个基于LSTM的时间序列预测网络，并想尝试使用Keras的Bidirectional包装器，看看它是否能提高我的准确性。

然而，添加包装器会导致我的输出层失去kernel属性，这是个问题，因为我的优化器试图访问它，导致在编译时崩溃。

也就是说，当我这样做时：

model = Sequential()model.add(LSTM(    100,    batch_input_shape=(batch_size, look_back, features),))model.add(Dense(1))print(hasattr(model.layers[-1], 'kernel'))

True

但当像这样包装LSTM时：

model = Sequential()model.add(Bidirectional(LSTM(    100,    batch_input_shape=(batch_size, look_back, features),)))model.add(Dense(1))print(hasattr(model.layers[-1], 'kernel'))

False

回答：

解决方案是让你的网络预测一些东西，然后使用你的自定义优化器进行编译：

model = Sequential()model.add(Bidirectional(LSTM(    100,    batch_input_shape=(batch_size, look_back, features),)))model.add(Dense(1))model.predict(np.zeros((batch_size, look_back, features)))print(hasattr(model.layers[-1], 'kernel'))model.compile(optimizer=CustomOptimizer(), loss='mse')

True