标签： machine-learning tensorflow neural-network keras conv-neural-network
我有几个关于Keras示例pretrained_word_embeddings的问题，以提高对其工作原理的理解。
在此模型中使用dropout图层是否合理？
dropout
上次MaxPooling1D图层必须每次覆盖所有输出形状？在原始模型中，最后一个转换层输出为35，我们将maxpool设置为相同的35值。
MaxPooling1D
我是否正确，如果说增加值128（内核数量）会提高准确度？
添加额外的转换层以提高准确度是否有意义？即使它会减少模型训练阶段。
谢谢！