输出形状中的 (None, 100) 是什么意思？
这是（“无”）样本数还是隐藏维度？
None意味着这个维度是可变的。
keras 模型中的第一个维度始终是批量大小。您不需要固定的批量大小，除非在非常特殊的情况下（例如，当使用stateful=TrueLSTM 层）。
这就是为什么在定义模型时经常忽略此维度的原因。例如，当您定义input_shape=(100,200)，实际上您忽略了批量大小并定义了“每个样本”的形状。内部形状将是(None, 100, 200)，允许可变的批量大小，批量中的每个样本都具有形状(100,200).
批量大小将在中自动定义fit or predict方法。
Other None方面：
不仅可以是批次尺寸None，但还有许多其他的。
例如，在 2D 卷积网络中，预期输入是(batchSize, height, width, channels)，你可以有这样的形状(None, None, None, 3)，允许可变的图像尺寸。
在循环网络和一维卷积中，您还可以将length/timesteps尺寸可变，形状如(None, None, featuresOrChannels)
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
