Question

我有一个用于深度学习分类器的输入数组，如下所示：

[[ a1, [b1,c1]
       [d1,e1]
       [f1,g1]]
 [ a2, [b2,c2]
       [d2,e2]
       [f2,g2]]
       [h2,i2]]
       .......]

因此，每个集合都有一个浮点数和一个数组（N，2），其中每个集合的N都不相同。

在谷歌搜索时，我发现可以在input_shape值中输入多个尺寸，所以我尝试了：

input_shape=(1,(2,None)) /None means undefined size

我尝试更改订单，但无济于事。每次我将input_dim更改为input_shape时，都会：

TypeError: Error converting shape to a TensorShape: int() argument must be a string, a bytes-like object or a number, not 'tuple'.

我该如何定义输入暗淡？谢谢！

代码：

classifier = Sequential()
classifier.add(Dense(output_dim = 10, init = 'uniform', activation = 'relu', input_shape=(1,(2,None))))
classifier.add(Dense(output_dim = 10, init = 'uniform', activation = 'relu'))
classifier.add(Dense(output_dim = 1, init = 'uniform', activation = 'sigmoid'))
classifier.compile(optimizer = 'Adamax', loss = 'binary_crossentropy', metrics = ['accuracy'])
classifier.fit(X_train, y_train, batch_size = 10, epochs = 100)

输入为数组时，密集层中的input_shape定义

0 个答案: