如何计算keras序列模型的input_dim？

Question

Keras Dense图层需要指定input_dim或input_shape。我放在那里有什么价值？

我的输入是一个包含1,000,000行且只有3列的矩阵。我的输出是1,600个班级。

我放在那里？

1. 输入的维度(1000000, 1600)

2. 2因为它是2D矩阵

Answer 1

input_dim是要素的维度数，在您的情况下仅为3. input_shape的等效符号，即实际的维度形状，为(3,)

Answer 2

在您的情况下 让我们假设x和y = target变量，经过特征工程后如下所示

x.shape
(1000000, 3)
y.shape
((1000000, 1600)
# as first layer in a sequential model:
model = Sequential()
model.add(Dense(32, input_shape=x.shape[1])) # Input layer
# now the model will take as input arrays of shape (*, 3)
# and output arrays of shape (*, 32)
...
...
model.add(Dense(y.shape[1],activation='softmax')) # Output layer

y.shape [1] = 1600，即您正在处理分类时输出的数量，即您拥有的类的数量。

Answer 3

X = dataset.iloc[:, 3:13]

表示X参数具有所有行和第3列到第12列（含）和第13列（不包括）。 我们还将为神经网络提供一个X0参数，因此总计

input layers becomes 10+1 = 11.

Dense(input_dim = 11, activation = 'relu', kernel_initializer = 'he_uniform')