“ Flatten”在Keras中的作用是什么？
食肉动物：
我试图了解该Flatten功能在Keras中的作用。下面是我的代码，它是一个简单的两层网络。它接收形状为（3，2）的二维数据，并输出形状为（1，4）的一维数据：
model = Sequential()
model.add(Dense(16, input_shape=(3, 2)))
model.add(Activation('relu'))
model.add(Flatten())
model.add(Dense(4))
model.compile(loss='mean_squared_error', optimizer='SGD')
x = np.array([[[1, 2], [3, 4], [5, 6]]])
y = model.predict(x)
print y.shape
打印出y形状为（1、4）的图形。但是，如果我删除该Flatten行，则会打印出y形状为（1、3、4）的行。
我不明白 从我对神经网络的理解来看，该model.add(Dense(16, input_shape=(3, 2)))函数正在创建一个具有16个节点的隐藏的全连接层。这些节点中的每个都连接到3x2输入元素中的每个。因此，该第一层输出处的16个节点已经“平坦”。因此，第一层的输出形状应为（1、16）。然后，第二层将此作为输入，并输出形状为（1、4）的数据。
因此，如果第一层的输出已经“平坦”并且形状为（1，16），为什么还要进一步使其平坦？
MarcinMożejko：
如果您阅读的Keras文档条目Dense，将会看到以下调用：
Dense(16, input_shape=(5,3))
这样将形成一个Dense具有3个输入和16个输出的网络，这些网络将独立应用于5个步骤中的每个步骤。因此，如果D(x)将3维矢量转换为16维矢量，则从图层输出的结果将是一系列矢量：[D(x[0,:]), D(x[1,:]),..., D(x[4,:])]shape (5, 16)。为了具有您指定的行为，您可以先将Flatten输入输入到15维向量，然后应用Dense：
model = Sequential()
model.add(Flatten(input_shape=(3, 2)))
model.add(Dense(16))
model.add(Activation('relu'))
model.add(Dense(4))
model.compile(loss='mean_squared_error', optimizer='SGD')
编辑：由于有些人难以理解-在这里，您有一个解释性的图像：
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
编辑于
相关文章
TOP 榜单
- 1
Qt Creator Windows 10 - “使用 jom 而不是 nmake”不起作用
- 2
使用next.js时出现服务器错误，错误：找不到react-redux上下文值；请确保组件包装在<Provider>中
- 3
Swift 2.1-对单个单元格使用UITableView
- 4
SQL Server中的非确定性数据类型
- 5
如何避免每次重新编译所有文件？
- 6
Hashchange事件侦听器在将事件处理程序附加到事件之前进行侦听
- 7
在同一Pushwoosh应用程序上Pushwoosh多个捆绑ID
- 8
HttpClient中的角度变化检测
- 9
在 Avalonia 中是否有带有柱子的 TreeView 或类似的东西？
- 10
在Wagtail管理员中，如何禁用图像和文档的摘要项？
- 11
通过iwd从Linux系统上的命令行连接到wifi（适用于Linux的无线守护程序）
- 12
构建类似于Jarvis的本地语言应用程序
- 13
Camunda-根据分配的组过滤任务列表
- 14
如何了解DFT结果
- 15
Embers js中的更改侦听器上的组合框
- 16
ggplot：对齐多个分面图-所有大小不同的分面
- 17
使用分隔符将成对相邻的数组元素相互连接
- 18
PHP Curl PUT 在 curl_exec 处停止
- 19
您如何通过 Nativescript 中的 Fetch 发出发布请求？
- 20
错误：找不到存根。请确保已调用spring-cloud-contract：convert
- 21
应用发明者仅从列表中选择一个随机项一次
我来说两句