keras:tensor从全连接层输出到卷积层

最新推荐文章于 2023-01-03 17:29:59 发布

陈麒任

最新推荐文章于 2023-01-03 17:29:59 发布

阅读量3.2k

点赞数 1

文章标签： keras

本文链接：https://blog.csdn.net/weixin_43790560/article/details/93914397

版权

本文介绍了如何在Keras中将全连接层的输出转换为适合卷积层的Tensor。重点在于理解全连接层与卷积层对输入形状的要求，以及在reshape操作中确保符合各层的需求。通过两次reshape处理，可以成功地将(6000, 1)的数据从全连接层传递给卷积层。同时，文章提供了遇到的错误及其解决方案的链接。" 132301580,1425349,Zookeeper集群搭建指南,"['zookeeper', '分布式', 'linux']

摘要由CSDN通过智能技术生成

一. tensor从卷积层输出到全连接层
用过keras的都知道，想从卷积层输出tensor到全连接层，只需加一层：

model.add(Flatten())

shape就不会出现错误。

二. 但是如果从全连接层输出tensor到卷积层呢，这两天都在弄这个，shape的问题要特别注意，我现在数据的形式是10000行，6000列的数据。要输入到全连接层中，经过两层全连接层，再输出到卷积层。代码如下：

inputs1=Input(shape=(6000,1))
encoded=Reshape([6000,])(inputs1)    #第一次reshape，keras.layers.Reshape
encoded = Dense(5000, activation='relu', activity_regularizer=regularizers.l1(0.000000000001))(encoded)
decoded = Dense(6000, activation='relu')(encoded)
decoded=Reshape([6000,1])(decoded)    #第二次reshape
decoded=Conv1D(1,kernel_size=3, strides=1, activation='relu',padding='same')(decoded)
model = Model(inputs=inputs1, outputs=decoded)  
#定义优化器
adadelta=Adadelta()
model.compile(loss='mse', optimizer=adadelta)
model.summary() 
nb_epo