神经网络输入顺序，重要吗？

Question

我看到了类似的问题，但大多数都涉及预处理。输入的顺序是否有任何重要性？例如，假设我有三个特征，每个特征有三个示例，如下：

[0, 0, 0, .5, .5, .5, 1, 1, 1]

如果它们被这样排序，是否会有任何不同：

[0, .5, 1, 0, .5, 1, 0, .5, 1]

即：输入的顺序是否有任何影响？谢谢。

- shell

Answer 1

首先，您的输入应为二维：(n_examples, n_feat)，因此在您的情况下：

[[0,.5,1],[0,.5,1],[0,.5,1]]

如果特征的顺序在整个训练和分类过程中保持一致，那么特征的排序就不重要了。因此，您可以使用以下内容：

[[.5,1,0],[.5,1,0],[.5,1,0]]

只要你在其他地方始终把第一个特性放在最后，就可以了。

- Julien

---

我可能错了，但我认为大多数库只接受一维数组或元组作为输入。 - shell

你使用哪个库？ - Julien

好的，我不知道那个。也许将其作为标签添加，并在您的帖子中再次提及。 - Julien

无论如何，然而库处理批次（同时运行多个示例）的顺序应该是无关紧要的，只要它保持一致。 - Julien

Answer 2

它们是不同的张量，当然很重要。

- knh170

---

你能再解释一下吗？ - shell

更多什么？[1,2,3]与[3,2,1]表达的不同，就是这么简单。 - knh170

如果输入的训练样本足够多，那么它不会从[1,2,3]和[3,2,1]中学习相同的模式吗？ - shell

不行。除非你指的是洗牌。 - knh170