当前位置 : 主页 > 编程语言 > python >

浅谈Keras参数 input_shape、input_dim和input_length用法

来源:互联网 收集:自由互联 发布时间:2021-04-02
在keras中,数据是以张量的形式表示的,不考虑动态特性,仅考虑shape的时候,可以把张量用类似矩阵的方式来理解。 例如 [[1],[2],[3]] 这个张量的shape为(3,1) [[[1,2],[3,4]],[[5,6],[7,8]],[[

在keras中,数据是以张量的形式表示的,不考虑动态特性,仅考虑shape的时候,可以把张量用类似矩阵的方式来理解。

例如

[[1],[2],[3]] 这个张量的shape为(3,1)

[[[1,2],[3,4]],[[5,6],[7,8]],[[9,10],[11,12]]]这个张量的shape为(3,2,2),

[1,2,3,4]这个张量的shape为(4,)

input_shape:即张量的shape。从前往后对应由外向内的维度。

input_length:代表序列长度,可以理解成有多少个样本

input_dim:代表张量的维度,(很好理解,之前3个例子的input_dim分别为2,3,1)

通过input_length和input_dim这两个参数,可以直接确定张量的shape。

常见的一种用法:

只提供了input_dim=32,说明输入是一个32维的向量,相当于一个一阶、拥有32个元素的张量,它的shape就是(32,)。

因此,input_shape=(32, )

补充知识:keras中的shape/input_shape

在keras中,数据是以张量的形式表示的,张量的形状称之为shape,表示从最外层向量逐步到达最底层向量的降维解包过程。“维”的也叫“阶”,形状指的是维度数和每维的大小。

比如,一个一阶的张量[1,2,3]的shape是(3,);

一个二阶的张量[[1,2,3],[4,5,6]]的shape是(2,3);

一个三阶的张量[[[1],[2],[3]],[[4],[5],[6]]]的shape是(2,3,1)

input_shape就是指输入张量的shape。

例如,input_dim=784,dim是指dimension(维度),说明输入是一个784维的向量,784维的向量怎么表示呢?[[...[1],[2],[3]]...],左边有784个左括号,这相当于一个一阶的张量,它的shape就是(784,)。

因此,input_shape=(784,)。

以上这篇浅谈Keras参数 input_shape、input_dim和input_length用法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持易盾网络。

网友评论