文章/答案/技术大牛

发布

社区首页 >问答首页 >keras中的input_shape和input_dim有什么不同？

问keras中的input_shape和input_dim有什么不同？
EN

Stack Overflow用户

提问于 2020-02-20 21:53:32

回答 1查看 2.3K关注 0票数 1

目前我正在学习深度学习，偶然发现了这些困惑:什么时候使用input_shape和input_dim参数。

我的数据形状是(798,9)，它们有8个输入变量和1个输出变量，所以我的问题是，当建立顺序模型时，它们之间有什么区别：

model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(units=12,input_shape=(6912,),activation='relu' ))
model.add(tf.keras.layers.Dense(32,activation='relu'))

和

model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(units=12,input_dim=8,activation='relu' ))
model.add(tf.keras.layers.Dense(32,activation='relu'))

那么，谁能详细解释一下如何选择input_size和input_dim，以及它们之间的区别？

python-3.x

keras

neural-network

tf.keras

回答 1

Stack Overflow用户

发布于 2020-02-20 22:17:37

您需要与input_dim = 8完全相同的input_shape = (8,)。

当然，最终的Dense只需要1个单元。对于回归，您可能需要在最后一层使用activation = 'linear'，而对于分类，您可能需要使用'sigmoid'。

对于更高维度的数据，您将需要input_shape = (dim_1, dim2, ...)。

票数 4

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/60321557

复制

相似问题

问keras中的input_shape和input_dim有什么不同？
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问keras中的input_shape和input_dim有什么不同？EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问keras中的input_shape和input_dim有什么不同？
EN