python输入数据的维度_keras分类模型中的输入数据与标签的维度实例

在《python深度学习》这本书中。

一、21页mnist十分类

二、51页IMDB二分类

导入数据：

from keras.datasets import imdb (train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000)

参数 num_words=10000 的意思是仅保留训练数据中前 10 000 个最常出现的单词。

train_data和test_data都是numpy.ndarray类型，都是一维的(共25000个元素，相当于25000个list)，其中每个list代表一条评论，每个list中的每个元素的值范围在0-9999 ，代表10000个最常见单词的每个单词的索引，每个list长度不一，因为每条评论的长度不一，例如train_data中的list最短的为11，最长的为189。

train_labels和test_labels都是含25000个元素(元素的值要不0或者1，代表两类)的list。

数据预处理：

第三种方式，相当于把二分类看成了多分类，所以网络的结构同时需要更改，

最后输出的维度：1->2

最后的激活函数：sigmoid->softmax

损失函数：binary_crossentropy->categorical_crossentropy

预处理之后，train_data和test_data变成了shape为(25000,10000)，dtype为float32的ndarray(one-hot向量)，