我是机器学习和 Keras 的新手。我用 Keras 制作了一个用于回归的神经网络,如下所示:
model = Sequential()
model.add(Dense(57, input_dim=44, kernel_initializer='normal',
activation='relu'))
model.add(Dense(45, activation='relu'))
model.add(Dense(35, activation='relu'))
model.add(Dense(20, activation='relu'))
model.add(Dense(18, activation='relu'))
model.add(Dense(15, activation='relu'))
model.add(Dense(10, activation='relu'))
model.add(Dense(5, activation='relu'))
model.add(Dense(5, activation='relu'))
model.add(Dense(1, activation='linear'))
我的数据经过预处理后有 44 个维度,所以请给我一个例子,我如何制作 CNN。
最佳答案
卷积神经网络在这种情况下不是最佳选择。顺便说一句,您可以使用 Conv1d 轻松完成此操作:
model = keras.Sequential()
model.add(keras.layers.Embedding(44, 100))
model.add(keras.layers.Conv1D(50, kernel_size=1, strides=1))
model.add(keras.layers.GlobalAveragePooling1D())
# model.add(keras.layers.Dense(10, activation=tf.nn.relu))
model.add(keras.layers.Dense(1, activation=tf.nn.sigmoid))
关于python - 使用 Python 和 Keras 的 CNN,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52036950/