使用keras代码了解Netwok体系结构

我的数据是68871 x 43，其中的功能位于列号。 1-43和每个标签被表示为1x21矢量使用keras代码了解Netwok体系结构

以我keras代码：

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

当我运行下面的keras代码：

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))

的代码执行这样的

我对keras工具包的理解是，如果3D张量trainX是形状（41311,10,43）的再keras应该创建一个LSTM 10步时间。如果是这样，那么为什么在屏幕截图中一个接一个地运行样本，如果时间步是10，那么它应该已经在10个批次中运行并获得10个预测，然后运行接下来的10批样本。

任何人都可以回答我：为什么屏幕截图显示样本在时间步10时一个一个地运行？非常感谢。

来源

2017-02-24 user3218279

通过示例他们了解形状的一个numpy数组（10,43）。第一个维度是您的样本数量。

那么什么网络正在做的是： 1）输入分成）形状（批次，10，43的批次

2）喂LSTM，一次一个样品。样本是每个长度为43的10个事件/张量的序列。所以每个序列是1个样本。

这是明确的吗？

来源

2017-02-24 17:31:49

因此，网络会在生成第一个预测（等等直到10个预测）之前等待10个事件/张量被输入？ – user3218279

不，你建立它的方式是：1输入= 1个长度为10的张量的序列43.另一种说法是：1输入= 1 2D形状张量（10,43）。你有33048，因为它是41311的80％。 –

好的，这很清楚，非常感谢。我有一个不同的问题，那就是：在第一个2D形状张量（10,43）被送入它之后（或）它将等待第10个二维张量形状（10,43）在给出第一个预测之前喂食吗？ – user3218279

使用keras代码了解Netwok体系结构

回答

相关问题