使用keras代碼瞭解Netwok體系結構

我的數據是68871 x 43，其中的功能位於列號。 1-43和每個標籤被表示爲1x21矢量使用keras代碼瞭解Netwok體系結構

以我keras代碼：

打印trainX.shape ----->（41311，10，43）
打印trainY。（41311,21）
print testX.shape ------>（27538，10，43） 21）

當我運行下面的keras代碼：

model = Sequential() 
model.add(LSTM(10, input_dim=43)) 
model.add(Dropout(0.3)) 
model.add(Dense(21, activation='softmax')) 
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) 
print(model.summary()) 
model.fit(trainX, trainY, validation_split=0.20, nb_epoch=1, batch_size=1, shuffle=False) 
scores = model.evaluate(testX, testY, verbose=0) 
print("Accuracy: %.2f%%" % (scores[1]*100))

的代碼執行這樣的

我對keras工具包的理解是，如果3D張量trainX是形狀（41311,10,43）的再keras應該創建一個LSTM 10步時間。如果是這樣，那麼爲什麼在屏幕截圖中一個接一個地運行樣本，如果時間步是10，那麼它應該已經在10個批次中運行並獲得10個預測，然後運行接下來的10批樣本。

任何人都可以回答我：爲什麼屏幕截圖顯示樣本在時間步10時一個一個地運行？非常感謝。

來源

2017-02-24 user3218279

通過示例他們瞭解形狀的一個numpy數組（10,43）。第一個維度是您的樣本數量。

那麼什麼網絡正在做的是： 1）輸入分成）形狀（批次，10，43的批次

2）喂LSTM，一次一個樣品。樣本是每個長度爲43的10個事件/張量的序列。所以每個序列是1個樣本。

這是明確的嗎？

來源

2017-02-24 17:31:49

因此，網絡會在生成第一個預測（等等直到10個預測）之前等待10個事件/張量被輸入？ – user3218279

不，你建立它的方式是：1輸入= 1個長度爲10的張量的序列43.另一種說法是：1輸入= 1 2D形狀張量（10,43）。你有33048，因爲它是41311的80％。 –

好的，這很清楚，非常感謝。我有一個不同的問題，那就是：在第一個2D形狀張量（10,43）被送入它之後（或）它將等待第10個二維張量形狀（10,43）在給出第一個預測之前餵食嗎？ – user3218279

使用keras代碼瞭解Netwok體系結構

回答

相關問題