我有一個包含 3D 固定長度段的數據集(1,200,4)，我想將其輸入到具有完全連接層的 Antoencoder 中，類似于： encoderautoencoder.add(Dense(200, input_shape=(self.input_dim,), activation='relu')) autoencoder.add(Dense(100, input_shape=(self.input_dim,), activation='relu')) autoencoder.add(Dense(80, input_shape=(self.input_dim,), activation='linear')) autoencoder.add(Dense(encoding_dim, input_shape=(self.input_dim,), activation='linear')) #decoderautoencoder.add(Dense(80, activation='linear')) autoencoder.add(Dense(100, activation='relu')) autoencoder.add(Dense(200, activation='relu')) autoencoder.add(Dense(self.input_dim, activation='linear'))我知道這個輸入在輸入到這個網絡之前需要被展平，我希望在第一個編碼器Flatten()之前添加一個層。Dense()我不確定的是一種(1,200,4)在解碼器部分將輸入重建回其自身形狀的方法。如果重要的話，輸入由固定長度段的 numpy-ndarray 組成，這樣：print(train_x.shape)(140508, 1, 200, 4)例如，假設輸入是這樣的：X = np.random.randn(3400, 1, 200, 4)X.shape(3400, 1, 200, 4)我如何在編碼器處將展平層應用于此輸入，然后在解碼器處重建它以獲得與上面類似的全連接自動編碼器。對此有什么建議嗎？
1 回答
30秒到達戰場
TA貢獻1828條經驗 獲得超6個贊
這里有一種可能性......您最終需要簡單地處理維度并進行適當的重塑
encoding_dim = 20
input_shape = (1,200,4)
n_sample = 100
X = np.random.uniform(0,1, (n_sample,) + input_shape)
autoencoder = Sequential()
autoencoder.add(Flatten(input_shape=input_shape))
autoencoder.add(Dense(200, activation='relu'))
autoencoder.add(Dense(100, activation='relu'))
autoencoder.add(Dense(80, activation='relu'))
autoencoder.add(Dense(encoding_dim, activation='relu'))
#decoder
autoencoder.add(Dense(80, activation='relu'))
autoencoder.add(Dense(100, activation='relu'))
autoencoder.add(Dense(200, activation='relu'))
autoencoder.add(Dense(np.prod(input_shape), activation='linear'))
autoencoder.add(Reshape(input_shape))
print(autoencoder.summary())
autoencoder.compile('adam', 'mse')
autoencoder.fit(X,X, epochs=3)
添加回答
舉報
0/150
提交
取消