2024-03-29 11:52:52 发布
网友
嵌入层的输出形状为
embedding_4 (Embedding) (None, 10, 50)
其中10是字数,50是向量的维数。如何重塑张量以将其输入到
Conv2D(50,(2,50),padding='same',activation='relu')
层。使用Keras编写代码
因此,正如注释所示,如果使用Conv1D将更好,因为Conv1D所需的输入为^{}级。另外,对于Conv2d,您需要具有秩为^{}的输入
Conv1D
Conv2d
您可以执行以下操作来实际重塑输入
example = np.zeros((32,10,50)) reshape = np.expand_dims(example , axis=1)
输出将是:
(32, 1, 10, 50)
您还可以使用Keras的重塑层API,如下所示
import tensorflow as tf model = tf.keras.Sequential() model.add(tf.keras.layers.Reshape((1, 10, 50), input_shape=(10, 50))) model.output_shape
输出形状如下所示:
(None, 1, 10, 50)
正如一句话None将是你的batch_size,而1将是你的频道
None
batch_size
1
但也像评论建议的那样,你应该问问自己Conv2D会带来什么好处Conv1D没有
Conv2D
因此,正如注释所示,如果使用} 级。另外,对于} 的输入
Conv1D
将更好,因为Conv1D
所需的输入为^{Conv2d
,您需要具有秩为^{您可以执行以下操作来实际重塑输入
输出将是:
您还可以使用Keras的重塑层API,如下所示
输出形状如下所示:
正如一句话
None
将是你的batch_size
,而1
将是你的频道但也像评论建议的那样,你应该问问自己
Conv2D
会带来什么好处Conv1D
没有相关问题 更多 >
编程相关推荐