浅谈Keras参数 input_shape、input_dim和input_length用法

下面是关于“浅谈Keras参数input_shape、input_dim和input_length用法”的完整攻略。

input_shape

input_shape是一个元组，用于指定输入数据的形状。它通常用于定义模型的第一层，以便Keras可以自动推断后续层的形状。

下面是一个示例：

from keras.models import Sequential
from keras.layers import Dense

# 定义模型
model = Sequential()
model.add(Dense(10, input_shape=(10,), activation='relu'))
model.add(Dense(1, activation='sigmoid'))

在这个示例中，我们使用input_shape参数来定义模型的第一层，输入数据的形状为(10,)，表示输入数据是一个10维的向量。

input_dim

input_dim是一个整数，用于指定输入数据的维度。它通常用于定义模型的第一层，以便Keras可以自动推断后续层的形状。

下面是一个示例：

from keras.models import Sequential
from keras.layers import Dense

# 定义模型
model = Sequential()
model.add(Dense(10, input_dim=10, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

在这个示例中，我们使用input_dim参数来定义模型的第一层，输入数据的维度为10，表示输入数据是一个10维的向量。

input_length

input_length是一个整数，用于指定输入序列的长度。它通常用于定义模型的第一层，以便Keras可以自动推断后续层的形状。

下面是一个示例：

from keras.models import Sequential
from keras.layers import Embedding, LSTM

# 定义模型
model = Sequential()
model.add(Embedding(input_dim=1000, output_dim=64, input_length=10))
model.add(LSTM(32))
model.add(Dense(1, activation='sigmoid'))

在这个示例中，我们使用input_length参数来定义模型的第一层，输入序列的长度为10。这个模型包含一个嵌入层和一个LSTM层，用于处理输入序列。