如何为Keras序列模型计算input_dim？

Question

Keras的Dense层需要指定input_dim或者input_shape。那么我应该填什么值呢？

我的输入是一个100万行，只有3列的矩阵。输出是1600个类别。

我应该填哪个值呢？

1. 输入数据的维度为(1000000, 3)

2. 2，因为它是一个二维矩阵

- user798719

Answer 1

input_dim 是特征的维度数量，你的情况下只有3个。相应的符号表示为 input_shape，它是实际的维度形状，为 (3,)

- Dr. Snoopy

---

е¶ВжЮЬ嚥зКґдЄЇ(3,)пЉМеИЩзїіеЇ¶жХ∞дЄЇ1гАВдЊЛе¶ВпЉЪa = numpy.array([1,2,3]) вЖТ a.shape == (3,)пЉМ a.ndim == 1гАВ - endolith

更准确地说，“input_dim”/“input_shape”是特征的形状，它是一个维度大小的元组。形状元组的长度是维度数。(3,)表示大小为3的一维（形状元组仅包含一个数字）。 - Steven

Answer 2

在您的情况下，假设x和y=target variable经过特征工程后如下所示。

x.shape
(1000000, 3)
y.shape
((1000000, 1600)
# as first layer in a sequential model:
model = Sequential()
model.add(Dense(32, input_shape=x.shape[1])) # Input layer
# now the model will take as input arrays of shape (*, 3)
# and output arrays of shape (*, 32)
...
...
model.add(Dense(y.shape[1],activation='softmax')) # Output layer

y.shape[1]= 1600，这是输出的数量，也就是你所处理的分类数目，因为你在进行分类任务。

- Arijit Bhadra

Answer 3

X = dataset.iloc[:, 3:13]

意思是X参数包含所有行和第3列到第12列（含）以及第13列（不含）。我们还将提供一个X0参数给神经网络，总共有。

input layers becomes 10+1 = 11.

Dense(input_dim = 11, activation = 'relu', kernel_initializer = 'he_uniform')

- ANUJ KUMAR