flatten在keras中的顺序模型中做了什么

Question

我正在研究顺序模型的keras。

model = Sequential()
model.add(Embedding(max_features, 128, input_length=text_max_words))
model.add(Flatten())
model.add(Dense(256, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

Flatten在这里做了什么？

Answer 1

看看the relevant documentation，其中包含一个很好的例子：

model = Sequential()
model.add(Conv2D(64, 3, 3,
                 border_mode='same',
                 input_shape=(3, 32, 32)))

之前：model.output_shape == (None, 64, 32, 32)

model.add(Flatten())

在：model.output_shape == (None, 65536)

之后

解释这个最终形状：

• None就像一个空的占位符，它将等待批量的大小

• 65536是在输入维度上运行展平的结果：

  `64 * 32 * 32 == 65536     # True`
  

与NumPy的比较

它类似于NumPy的flatten()函数。这是一个小例子：

In [1]: import numpy as np

In [2]: A = np.random.randint(low=0, high=10, size=(3, 3))

In [3]: A
Out[3]: 
array([[9, 6, 5],
       [3, 4, 6],
       [6, 7, 9]])

  

现在执行展平操作：

In [4]: A.flatten()
Out[4]: array([9, 6, 5, 3, 4, 6, 6, 7, 9])

所以我们可以看到矩阵（a.k.a. rank-two tensor）已被展平，这里是逐行的。