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=True
LSTM 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@)