python中 keras 库中相关内容

 

 

 

 

参数 input_shape、input_dim和input_length

在keras中，数据是以张量的形式表示的，不考虑动态特性，仅考虑shape的时候，可以把张量用类似矩阵的方式来理解。
例如
        [[1],[2],[3]] 这个张量的shape为（3,1）
        [[[1,2],[3,4]],[[5,6],[7,8]],[[9,10],[11,12]]]这个张量的shape为（3,2,2）,
        [1,2,3,4]这个张量的shape为（4，）
 

input_shape：即张量的shape。从前往后对应由外向内的维度。

input_length：代表序列长度，可以理解成有多少个样本

input_dim：代表张量的维度，（很好理解，之前3个例子的input_dim分别为2,3,1）

 

通过input_length和input_dim这两个参数，可以直接确定张量的shape。

常见的一种用法：只提供了input_dim=32，说明输入是一个32维的向量，相当于一个一阶、拥有32个元素的张量，它的shape就是（32，）。因此，input_shape=(32, )

参考： https://blog.csdn.net/pmj110119/article/details/94739765

 

 

序列预处理

1 填充序列 pad_sequences: 转化为2D numpy array，

进行填充或截断的工作，以获取指定长度的序列

 

2 跳字 skipgrams

向量空间中词表示的有效估计

生成不在原序列中连续的子序列，是n-gram（n个原序列连续的词）的推广或扩展。