输入矩阵中行和列之间的差异

Question

作为我的硕士论文的一部分，我正在尝试构建基因表达自动编码器。我的教授建议我从小做起-取一个样本基因表达的1个时间点，并建立一个可以用较少信息表示它的网络（然后将其扩展到时间序列并进行一些实验）。

所以我有19040个基因（或特征）和1个样本的1个时间点，需要输入自动编码器。根据theacher的说法，我的输出层也应该是19040。

我应该输入什么样的input_shape？

1. 输入（shape =（1,19040））
2. 输入（shape =（19040,1））
3. Input（shape =（19040，））

在我的示例中1和2之间有区别吗？

data  = pd.read_csv(filename, delimiter='\t', header=0)

data3d = array(data).reshape(5,19040,11)

x_train = keras.backend.transpose(data3d[0:1,:,1:2])

x = Dense(19040,activation = 'linear')(input_data)

encoded = Dense(10, activation='relu')(x)

decoded = Dense(19040, activation = 'linear')(encoded)

autoencoder = Model(input_data, decoded)

编辑：

部分数据

前19040行是1个样本，然后新的行以相同的EntrezID（基因ID）开头，我在数据集中总共有5个样本和10个时间点。

Answer 1

我相信解决您问题的正确方法是选择（1）：

Input(shape=(1,19040))

Keras模型未在体系结构规范中指定样本尺寸-这是从实际数据集中推论得出的。因此，如果我了解您的情况，则您的输入数据将具有以下一般形式：

（num_samples，num_time_steps，num_features）

但现在，num_samples = 1，num_time_steps = 1和num_features = 19040与前面提到的选择（1）一致。

当您推广到更多时间步长时，您将更改为

Input(shape=(num_time_steps,19040))

关于问题的第二部分，我相信选项（1）和（2）之间的区别在于，在选项（1）的每个时间步上，每个要素都将紧密地连接到每个输出节点，其中在选择（2）中，每个时间步都是连接到每个节点的单个功能。

我希望这会有所帮助。