我有一个模型，通过CNN处理数据，然后输入到LSTM中。但在LSTM阶段之前，我需要重新组织CNN的输出，如下所示：

输入：(600, 512, 1) –(CNN)–> (600, 32)

这个(600, 32)的张量由两个参数k（窗口大小）和s（步长）修改，这两个参数都是整数，它们决定了以下张量的形状（我将这个过程称为’重新批处理’）：

重新批处理：(600, 32) –> (146, 20, 32)

这些维度是通过感受野方程从k和s获得的：

这里n_in=600，n_out计算结果为146，k=20，p=0，s=4。

这个新的张量然后可以输入到LSTM中，因为其形状是（批次大小，时间步长，特征），因此模型从那里继续…

我的问题是，我不知道如何在不破坏模型的反向传递的情况下’重新批处理’这个张量。我尝试创建一个空数组 – np.empty(shape_of_lstm_input) – 并迭代地用所需数据填充批次轴的每个元素，但转换为numpy数组时，在尝试最小化损失时会丢失信息，如下面的警告消息所示：

WARNING:tensorflow:Gradients do not exist for variables ['list of all parameters in my CNN'] when minimizing the loss.

因此，我尝试遵循相同的过程，但改用tf.zeros(shape_of_lstm_input)，因为我认为这可以解决缺少梯度的问题，但取而代之的是，我得到了以下错误消息：

TypeError: 'tensorflow.python.framework.ops.EagerTensor' object does not support item assignment

有谁知道这个问题是否有解决方案？我不确定反向传递将如何处理前向传递中张量的这种’重新批处理’。

回答：

看起来你正在尝试从你的数据中创建一个滑动窗口。这是获取它的一个简单方法：