Question

我正在从事有关深度学习的项目。我有一个形状为（101,3）的数组，并输出为形状（101,3）。这意味着输入数据中的每一行都与输出数据中的同一行相关。我的目的是创建用于迁移数据集的深度学习模型。我进行了一些研究，并找到了一些有关此示例。其中一个是link。据我了解，我需要许多模型，但我不知道如何创建它。请你能帮我一下吗？我如何创建此模型，或者您有什么建议的资源。

Answer 1

您可以根据网络性能使用类似的内容，

from tensorflow.keras.layers import RepeatVector, TimeDistributed, Dense, LSTM
from tensorflow.keras.models import *

model = Sequential()

# encoder layer
model.add(LSTM(100, activation='relu', return_sequences= True, input_shape=(101, 3)))

# decoder layer
model.add(LSTM(100, activation='relu', return_sequences=True))

model.add(TimeDistributed(Dense(3)))
model.compile(optimizer='adam', loss='mse')

print(model.summary())

Answer 2

您可以使用以下方法。请从此tutorial开始您的旅程。您可以删除下面的某些图层或添加更多的图层，以查看结果如何变化。

model = tf.keras.models.Sequential([
  tf.keras.layers.Dense(128, activation='relu',input_shape=(3,)),
  tf.keras.layers.Dense(64, activation='relu'),
  tf.keras.layers.Dense(32, activation='relu'),
  tf.keras.layers.Dense(3)
])

模型架构如下

Model: "sequential_3"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_6 (Dense)              (None, 128)               512       
_________________________________________________________________
dense_7 (Dense)              (None, 64)                8256      
_________________________________________________________________
dense_8 (Dense)              (None, 32)                2080      
_________________________________________________________________
dense_9 (Dense)              (None, 3)                 99        
=================================================================
Total params: 10,947
Trainable params: 10,947
Non-trainable params: 0
_________________________________________________________________

如何为2D输入和输出创建深度学习模型？

2 个答案:

模型架构如下