我有一個Conv2D
圖層產生形狀張量(batch_size, 600, 105, 8)
。這是一批feature_map爲8的歌譜圖。現在我想在每個時幀(600)上應用一個大小爲48的「密集」圖層,以生成形狀(batch_size, 600, 48)
的張量。默認Keras Dense
層似乎並沒有削減它...如何將時間分佈的密集層應用於形狀張量(batch_size,600,105,8)以生成輸出(batch_size,600,48)
有什麼建議嗎?
這是我的功能
def build_cnn(input_shape=(None, None, 1),
feature_map_size=8,
num_layers=5,
kernerl_size=(5, 5),
dropout=0.2,
pool_size=(2, 2),
epochs=100,
lr=0.001,
momentum=0.9,
verbose=False):
model = Sequential()
# Add the convolutional layers
for _ in range(num_layers):
# Conv layer
model.add(Conv2D(
feature_map_size,
kernerl_size,
input_shape=input_shape,
padding='same',
activation='elu')
)
# Dropout layer
# model.add(Dropout(dropout))
# Dense layer
model.add(TimeDistributed(Dense(48, activation='elu')))
如果時間trame是600,105是什麼? –
@在對數壓縮的梅爾刻度幅度頻譜 –