Question

我是Keras的初学者。我想创建一个多感知器模型（密集层），输入为10x4矩阵，输出为5x4矩阵。我可以将input_shape =（10,4）用于输入，但是输出如何？请帮帮我

model = Sequential()
model.add(Dense(16, activation='relu', name='layer1', input_shape = (10,4)))
model.add(Dense(8, activation='relu', name='layer2'))
model.add(Dense(8, activation='relu', name='layer3'))
...?

Answer 1

什么是输入矩阵？第一维是否对应于批次大小？如果是这样，则应声明密集层的输入形状，如下所示：

model.add(Dense(16, activation='relu', name='layer1', input_shape = (4,)))

Keras为您照顾批次尺寸。

否则，如果输入的尺寸有3个（BATCH，TIMESTEPS，FEATURES），则应使用RNN或Conv1d。

此外，由于以Dense(8)结尾的顺序模型，您的输出将具有以下形状：（BATCH，8）。

如果您认为使用RNN太复杂或不需要这样做，则可以按如下所示整理输入内容：

import numpy as np

inp_tensor = np.random.uniform(size=(5, 10, 4)) # Batch size 5 and your input matrix
inp_tensor = inp_tensor.reshape(5, -1) # Now tensor has shape (5, 10 * 4)

model = Sequential()
model.add(Dense(16, activation='relu', name='layer1', input_shape = (10 * 4,)))
model.add(Dense(8, activation='relu', name='layer2'))
# Note that the output is 5 * 4, which corresponds to the desired output shape (5, 4) but flattened 
model.add(Dense(5 * 4, activation='relu', name='layer3'))

model.compile(...)
model.fit(...)

# At inference time, we do the same
test_inp = np.random.uniform(size=(1, 10, 4)) # A single instance
pred = model.predict(test_inp.reshape(1, -1)

# Recover your desired output shape
pred = pred.reshape(1, 5, 4)

具有模型输入和输出的神经网络都是矩阵

1 个答案: