keras

keras

  1. input_shape是为了适应时间序列预测:输入m个序列,输出1个序列,所以才是三维。

input_shape的三个维度samples, time_steps, features

features: 是一个原始样本的特征维数, 对你的样本 6
time_steps: 是输入时间序列的长度,即用多少个连续样本预测一个输出。如果你希望用连续m个序列(每个序列即是一个原始样本),那么就应该设为m。当然,特殊情况是m=1
samples:经过格式化后的样本数。假设原始样本(3000*6), 你选择features=6, time_steps=m,则samples=3000/m

无论你如何设置time_steps需要注意,原始样本集合是二维向量, 但网络的输入的样本集必须是三维张量(单个样本是二维向量)
一个例子
原始样本集 (3000, 6):
[[1,1,1,1,1,1] * 3000]
处理后(3000, 1, 6)
[
[[1,1,1,1,1,1]] * 3000
]

  1. model.layers[0].input.shape.as_list()[1]
    model.layers[0] 获取层形状

x=tf.constant([[1,2,3],[4,5,6]])
x.get_shape().as_list()[0] #输出:行数
x.get_shape().as_list()[1] #输出:列数

lines = open(" “).read().splitlines() 将文档内的数据逐行读取,作为列表元素
lines.split(”,")[4])每一行,以空格为分隔符,分为四等分。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值