Ce qui devrait être de forme en Sortie de keras modèle de couches

Question 1

je suis un peu confus au sujet de la sortie de la forme de keras couche. J'ai créé un exemple de keras modèle et a également affiché son résumé.

numberOfLSTMcells=1
n_timesteps_in=129
n_features=61
inp =Input(shape=(n_timesteps_in, n_features))
lstm= LSTM(numberOfLSTMcells,return_sequences=True, return_state=False) (inp)
fc=Dense(64,activation='relu',name='hidden_layer')(lstm)
out=Dense(1,activation='sigmoid',name='last_layer')(fc)
model = Model(inputs=inp, outputs=out)

Résumé de modèle

Model: "model_1"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_3 (InputLayer)         [(None, 129, 61)]         0         
_________________________________________________________________
lstm_2 (LSTM)                (None, 129, 1)            252       
_________________________________________________________________
hidden_layer (Dense)         (None, 129, 64)           128       
_________________________________________________________________
last_layer (Dense)           (None, 129, 1)            65        
=================================================================
Total params: 445
Trainable params: 445
Non-trainable params: 0

Ce que je pense de la forme de la dernière couche doit être (None,64,1). Parce que hidden_layers a 64 neurones qui va de l'entrée à last_layer

Question 2

Étant donné que vous définissez le paramètre return_sequences pour True dans le LSTM couche, vous obtenez une séquence avec le même nombre de pas de temps comme entrée et de sortie de l'espace de 1 pour chaque timestep, d'où la forme (None, 129, 1). Ensuite, vous appliquez une Dense couche de ce tenseur, mais cette couche est toujours appliqué à la dernière dimension d'un tenseur, qui dans votre cas est de 1 et pas de 129. Par conséquent, vous obtenez la sortie (None, 129, 64). Ensuite, vous utilisez une dernière couche de sortie, qui est également appliqué à la dernière dimension de votre tenseur résultant dans la production avec la forme (None, 129, 1). Le Tensorflow docs aussi expliquer ce comportement:

Si l'entrée à la couche a un rang supérieur à 2, alors Dense calcule le produit scalaire entre les entrées et le noyau le long de la dernière axe des entrées et de l'axe 0 du noyau (à l'aide de tf.tensordot).

Vous pouvez définir return_sequences pour False si vous souhaitez travailler avec une 2D de sortie (batch_size, features) au lieu de la 3D (batch_size, time_steps, features)ou vous pouvez utiliser l' Flatten la couche.

AloneTogether · Answer 1 · 2021-11-24T08:30:26

Étant donné que vous définissez le paramètre return_sequences pour True dans le LSTM couche, vous obtenez une séquence avec le même nombre de pas de temps comme entrée et de sortie de l'espace de 1 pour chaque timestep, d'où la forme (None, 129, 1). Ensuite, vous appliquez une Dense couche de ce tenseur, mais cette couche est toujours appliqué à la dernière dimension d'un tenseur, qui dans votre cas est de 1 et pas de 129. Par conséquent, vous obtenez la sortie (None, 129, 64). Ensuite, vous utilisez une dernière couche de sortie, qui est également appliqué à la dernière dimension de votre tenseur résultant dans la production avec la forme (None, 129, 1). Le Tensorflow docs aussi expliquer ce comportement:

Si l'entrée à la couche a un rang supérieur à 2, alors Dense calcule le produit scalaire entre les entrées et le noyau le long de la dernière axe des entrées et de l'axe 0 du noyau (à l'aide de tf.tensordot).

Vous pouvez définir return_sequences pour False si vous souhaitez travailler avec une 2D de sortie (batch_size, features) au lieu de la 3D (batch_size, time_steps, features)ou vous pouvez utiliser l' Flatten la couche.

Ce qui devrait être de forme en Sortie de keras modèle de couches

La question

La meilleure réponse

Dans d'autres langues

Cette page est dans d'autres langues

Populaires dans cette catégorie

Questions populaires dans cette catégorie