1
A
回答
0
我猜你的神经网络是2D的,随后你的输入是1D,这意味着你将不得不给出一个向量。在你的情况下,后者将是n²大小。
0
只是串起整个输入作为一个一维数组:
input_vec = reshape(input_mat, length(input_mat)^2, 1); % assuming your input_mat is square
因此而不是一个10×10(或其他)矩阵输入到你的网络,你将有一个100X1向量被输入。然后在这个矢量上训练你的网络。这种方法通常用于教科书字符识别网络,例如读取the section titled The MNIST Data in this tutorial。
相关问题
- 1. 神经网络的输入/输出
- 2. 神经网络的信号输入
- 3. 神经网络的顺序输入
- 4. 非标准输入的神经网络
- 5. 神经网络的标称值输入
- 6. 神经网络的加权输入
- 7. 神经网络输入顺序
- 8. 神经网络输入形状错误
- 9. 多输出神经网络
- 10. 2输出神经网络?
- 11. 神经网络输出
- 12. 神经网络的输入层(应输入到所有神经元?)
- 13. 神经网络是否需要二进制输入?
- 14. 神经网络入门(ANN)?
- 15. 神经网络中的连续输出
- 16. C++中的神经网络输出
- 17. 神经网络
- 18. 神经网络
- 19. 神经网络的二元分类?
- 20. 的神经网络
- 21. VB中的神经网络
- 22. 如何部署二元神经网络?
- 23. 以输入神经网络矩阵数据为输入
- 24. 输入数据集如何输入神经网络?
- 25. 我的神经网络有多少个输出神经元?
- 26. 神经网络的激活/输出
- 27. 神经网络模型的输出
- 28. sigmoid神经网络
- 29. H2O.deeplearning神经网络
- 30. 神经网络:“InverseLayer”
感谢您的帮助。但我有100个训练输入,每个都包含13 * 13矩阵。因此每个训练实例都有两个维度(13 * 13)。这意味着我的输入是1 * 100的单元格,每个100是13 * 13的矩阵。如果你有帮助,我会很感激。问候 –