python – Keras中本地连接层的尺寸

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – Keras中本地连接层的尺寸，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1444字，纯文字阅读大概需要3分钟。

内容图文

我正在尝试使用LocallyConnected1D层(而不是Dense)构建自动编码器,但是在理解两个层类型的差异方面遇到了很多麻烦 – 特别是在输出维度方面.

model = Sequential()
model.add(Reshape(input_shape=(input_size,), target_shape=(input_size,1))
model.add(LocallyConnected1D(encoded_size, kernel_size)
model.add(LocallyConnected1D(input_size, kernal_size_2, name="decoded_layer"))

这个模型编译得很好,但是当我去训练时……

model.fit(x_train, x_train,
         epochs=epochs,
         batch_size=batch_size,
         shuffle=True,
         validation_data=(x_test, x_test))

其中x_train和x_test分别是形状(60000,784)和(10000,784)的numpy数组.我在这一行得到以下错误：

ValueError: Error when checking target: expected decoded_layer to have 3 dimensions, but got array with shape (60000, 784)

进入decode_layer的张量的形状不应该是(60000,encoded_size,1)吗？

解决方法:

首先,您不必将None作为input_shape中的第一个维度. Keras自动假设存在另一个输入维度,即样本数量.

其次,LocallyConnected1D需要3D输入.这意味着你的input_shape应该是(int,int)的形式,keras推断形状为(None,int,int)

一个例子：

model = Sequential()
model.add(LocallyConnected1D(64, 3, input_shape=(10,10))) #takes a 10 by 10 array for each sample
model.add(LocallyConnected1D(32, 3))

如果数据形状不正确,则可以始终使用Reshape()图层.让我们说您的输入是(batch_size,50)的形状,因此每个样本是50个元素的1D向量：

model = Sequential()
model.add(Reshape(input_shape=(50,), target_shape=(50,1)) #makes array 3D
model.add(LocallyConnected1D(64, 3))
model.add(LocallyConnected1D(32, 3))

内容总结

以上是互联网集市为您收集整理的python – Keras中本地连接层的尺寸全部内容，希望文章能够帮你解决python – Keras中本地连接层的尺寸所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端