Keras输入层
在模型中添加LSTM层之前，我不确定是否需要添加密集输入层。例如，使用以下模型：
# Model
model = Sequential()
model.add(LSTM(128, input_shape=(train_x.shape[1], train_x.shape[2])))
model.add(Dense(5, activation="linear"))
LSTM层是否为输入层，密集层是否为输出层（即无隐藏层）？或者Keras是否创建了一个输入层，这意味着LSTM层将是一个隐藏层？
共有2个答案
对于简单的示例，当前的配置是可以接受的。一切都是基于你想要得到的结果。模型和层可能会根据目标进行更改。因此，如果模型很复杂，可以使用不同的层和形状创建混合模型。请参阅参考资料。
混合模型分层
你不需要太多。这取决于你想完成什么。
在这里查看一些案例。
在您的情况下，是的，LSTm将是第一层，密集层将是输出层。
-
问题内容： 我拥有的代码（我无法更改）将Resnet与input_tensor一起使用。 研究源代码，ResNet50函数使用创建一个新的keras输入层，然后创建模型的其余部分。这是我要用自己的模型复制的行为。我从h5文件加载我的模型。 由于此模型已经具有输入层，因此我想用定义的新输入层替换它。 如何替换输入层？ 问题答案： 使用以下方法保存模型时： 它将保存以下内容： 模型的体系结构，允许创建
-
问题内容： 在Keras中创建顺序模型时，我知道您在第一层中提供了输入形状。然后，此输入形状会构成 隐式 输入层吗？ 例如，下面的模型明确指定了2个密集层，但这实际上是一个3层模型，即由输入形状隐含的一个输入层，一个具有32个神经元的隐藏密集层，然后一个具有10个可能输出的输出层组成的模型吗？ 问题答案： 好吧，实际上它实际上 是 一个隐式输入层，即您的模型是一个具有三层“输入，隐藏和输出”的“老
-
问题内容： 我试图使用keras训练LSTM模型，但我认为这里出了点问题。 我有一个错误 ValueError：检查输入时出错：预期lstm_17_input具有3个维，但数组的形状为（10000，0，20） 虽然我的代码看起来像 其中已的形状和前几个数据点像 并且具有这样的形状的，它是二进制（0/1）标签阵列。 有人可以指出我在哪里错了吗？ 问题答案： 为了完整起见，这是发生了什么。 首先，像K
-
我正在尝试创建一维卷积模型，但我似乎无法获得正确的输入形状。以下是我所拥有的： 我收到以下错误： 有人有什么建议吗？
-
我正在使用Keras构建一个CNN，以下Conv1D是我的第一层： 我正在培训以下功能： 其中，train\u df是一个由两列组成的pandas数据帧，其中，对于每一行，标签是一个int（0或1），有效载荷是一个用零填充/截断为1000的浮点数组。train\U df中的培训示例总数为15641。 模型编译，但在训练期间，我得到这个错误： 我看了这篇文章，试图将输入更改为1000个浮点长列表的数
-
我在一个项目中使用Keras，我不明白Keras是如何使用数据输入的，也就是说Keras在创建第一层时是如何读取我们的输入数据的。 例如： 型号=顺序（） 在这个模型中，有10个神经元和一个三维输入意味着什么？如果输入数据有100个示例（矩阵数据中的行数），Keras如何使用它们？ 非常感谢。