我正在训练一个模型，该模型以两个 300d 词向量作为输入。我最初计划提供 600d 向量作为输入数据。
但是，我在 Keras 数据集页面上注意到:http://keras.io/datasets/
他们使用更高维度的输入数据，而不是扁平化输入。例如，它们表示尺寸为:(3, 32, 32) 的 32x32 RBG 图像
我应该进行 (2,300) 输入还是 (1,600) 输入？有关系吗？
最佳答案
当且仅当您的模型是空间模型时才重要。典型的例子涉及卷积神经网络。否则 - 如果没有使用基于空间的模块 - 数据将在内部被扁平化。
关于machine-learning - Keras/机器学习 : Any pros and cons of flattening input data vs having a higher dimensional input?，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/36435190/