为了账号安全,请及时绑定邮箱和手机立即绑定

Keras输入说明:input_shape,units,batch_size,dim等

Keras输入说明:input_shape,units,batch_size,dim等

慕容森 2019-12-07 13:54:09
对于任何Keras层(Layer类),有人可以解释如何理解之间的区别input_shape,units,dim,等?例如,文档说units指定图层的输出形状。在神经网络的图像下面hidden layer1有4个单位。这是否直接转换为对象的units属性Layer?还是units在Keras中等于隐藏层中每个权重的形状乘以单位数?简而言之,如何利用下面的图像来了解/可视化模型的属性,尤其是图层的属性?
查看完整描述

2 回答

?
holdtom

TA贡献1805条经验 获得超10个赞

输入尺寸说明如下:


这不是一个直接的答案,但我刚刚意识到“输入维度”一词可能会令人困惑,因此请注意:


它(仅单词一词)可以指代:


a)输入数据(或流)的尺寸,例如传感器轴的N个,以发射时间序列信号或RGB颜色通道(3):建议字=>“ InputStream Dimension”


b)输入要素(或输入层)的总数/长度(MINST彩色图像为28 x 28 = 784)或FFT转换后的“光谱值”中为3000,或


“输入层/输入要素尺寸”


c)输入的维数(维数)(通常是Keras LSTM中期望的3D)或(#RowofSamples,#of Senors,#of Values ..)3是答案。


“输入的N维”


d)此展开的输入图像数据中的特殊输入形状(例如(30,50,50,3),如果展开的Keras,则为(30,250,3) :


Keras的input_dim是指输入层的尺寸/输入要素的数量


model = Sequential()

model.add(Dense(32, input_dim=784))  #or 3 in the current posted example above

model.add(Activation('relu'))

在Keras LSTM中,它指的是总时间步长


这个词很混乱,是正确的,我们生活在一个非常混乱的世界中!!


我发现机器学习中的挑战之一是处理不同的语言或方言和术语(例如,如果您有5-8个非常不同的英语版本,那么您需要非常熟练的语言才能与不同的说话者交谈)。也许在编程语言中也是如此。


查看完整回答
反对 回复 2019-12-07
  • 2 回答
  • 0 关注
  • 3409 浏览

添加回答

举报

0/150
提交
取消
意见反馈 帮助中心 APP下载
官方微信