我正在探索 keras 库，但我不知道 keras 层 中的维度是什么意思以及如何选择它们？ (model.add(Convolution2D(...)) 或 model.add(Convolution1D(...)) )。
例如，我有一组 9000 条火车轨迹和 1000 条测试轨迹，每条轨迹有 1000 个样本，所以我创建了大小为 9000*1000 的数组 X_train，X_test 的大小为 1000*1000，Y_train 有大小为 9000，Y_test 的大小为 1000。
我的问题是如何选择第一层维度？
我尝试使用在 MNIST 中实现的相同示例:
model.add(Convolution2D(9000, (1, 1), activation='relu', input_shape(1,9000000,1),dim_ordering='th'))
但它没有用，我什至不知道我应该在卷积函数的每个参数中放入什么。
最佳答案
维度(一维、二维等)的选择取决于输入的维度。例如，由于您使用的是 MNIST 数据集，因此您将使用 2D 层，因为您的输入是具有高度和宽度(二维)的图像。或者，如果您使用的是文本数据，则可以使用一维图层，因为句子是单词的线性列表(一维)。
我建议查看 Francois Chollet 的 MNIST 卷积神经网络示例:https://github.com/fchollet/keras/blob/master/examples/mnist_cnn.py . (注意:Conv2D 与 Convolution2D 相同。)
关于python - keras层中的常规一维或二维有什么区别，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/45169542/