我正在实现一个用于序列分类的LSTM神经网络。我希望设计一个具有以下参数的网络：

1. 输入：一个包含n个独热编码向量的序列。
2. 网络拓扑：两层LSTM网络。
3. 输出：给定序列属于某一类别的概率（二分类）。我只想考虑第二层LSTM的最后一个输出。

我需要在CNTK中实现这个，但由于其文档编写得不够好，我遇到了困难。有人能帮我吗？

回答：

有一个序列分类示例，完全符合您的需求。

唯一的区别是它只使用了一个LSTM层。您可以通过更改以下代码轻松地将其改为使用多层：

LSTM_function = LSTMP_component_with_self_stabilization(    embedding_function.output, LSTM_dim, cell_dim)[0]

改为：

num_layers = 2 # 例如encoder_output = embedding_function.outputfor i in range(0, num_layers):    encoder_output = LSTMP_component_with_self_stabilization(encoder_output.output, LSTM_dim, cell_dim)

然而，使用新的层库会更有帮助。这样您可以简单地这样做：

encoder_output = Stabilizer()(input_sequence)for i in range(0, num_layers):    encoder_output = Recurrence(LSTM(hidden_dim)) (encoder_output.output)

然后，为了获得您将放入密集输出层的最终输出，您可以首先这样做：

final_output = sequence.last(encoder_output)

然后

z = Dense(vocab_dim) (final_output)