Keras：2D输入 - ＆gt; 2D输出？

Question

我想构建一个神经网络来学习一组标准特征向量。因此该组具有形状（N，100），其中N是样本的数量。然而，标签组具有形状（Nx18）（例如，每个“标签”是18个元件的另一个阵列）。我对keras和神经网络都很陌生，而且我只知道当它是一维时如何处理标签（例如二进制分类中的0或1）。我如何处理多维输出？

谢谢！

Answer 1

也许我并不完全理解这个问题，但最简单的方法是拥有一个带有18个神经元的输出层。每个神经元输出一个值，即输出将是18个值的矢量。

这样做的一种可能方式是具有隐藏层的前馈神经网络，例如，包含100个神经元。为此需要凯拉斯的Dense layer。

nb_hidden = 100

model = Sequential()
model.add(Dense(input_dim = 100, output_dim = nb_hidden)
model.add(Dense(output_dim = 18, activation = 'softmax')
model.compile(loss='categorical_crossentropy', optimizer='adadelta')

考虑改变隐藏层的数量，一般网络拓扑（例如包括Dropout层）和激活函数，直到获得好结果。