用于讽刺检测的Keras-CNN模型

Question

我尝试使用以下配置使用Keras建模CNN：

卷积层1：
内核大小= 4,5
特征图= 50

1st Max Pooling = 2

卷积层2：
内核大小= 3
要素图= 100

2nd Max Pooling = 2

FC层= 100
Softmax输出= 3

但是我已经完成了变量的映射并理解了如何对变量进行编码。我试过看过例子但变量让我很困惑。

另外，根据内核大小，应该使用哪个Convnet，1D或2D，还是内核大小没有决定使用哪个convnet？

Answer 1

想象一下，对于图片，卷积层采用扫描设备并始终扫描整个图片的一小部分。每次扫描的区域在下一次扫描时过度。然后内核大小就是扫描仪的大小。这就是为什么在图片情况下内核大小的维度为2.这是一个Conv 2D层。卷积图层的尺寸取决于输入的尺寸。

在图片中，您有一个形状输入（batch_size，height，width，color）。如果你有文本，你可能有：（batch_size，len_of_sentence，letter）。正如您在后面的例子中所看到的，您的输入尺寸小于图片情况。在这里你需要Conv1D层，参数kerne size只有一个维度。 还有Conv3D图层，可用于处理动态图像。

对于使用正确参数的问题，我认为https://datascience.stackexchange.com/更合适。