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,...
继续阅读 >
分类:input_shape
2020
10-08
10-08
使用keras时input_shape的维度表示问题说明
Keras提供了两套后端,Theano和Tensorflow,不同的后端使用时维度顺序dim_ordering会有冲突。对于一张224*224的彩色图片表示问题,theano使用的是th格式,维度顺序是(3,224,224),即通道维度在前,Caffe采取的也是这种方式。而Tensorflow使用的是tf格式,维度顺序是(224,224,3),即通道维度在后。Keras默认使用的是Tensorflow。我们在导入模块的时候可以进行查看,也可以切换后端。为了代码可以在两种后端兼容,可以通过data_f...
继续阅读 >