Keras中RNN模型的input_size是多少

Question

我只是从深度学习开始，有人告诉我Keras是最适合初学者的库。

在此之前，为了学习，我仅使用numpy构建了一个简单的前馈网络，因此可以体会到这一点。

在这种情况下，权重矩阵的形状为(len(X[0]), num_neurons) 。 特征的数量和神经元的数量。 而且有效。

现在，我正在尝试使用Keras构建一个简单的RNN。 我的数据有7个要素，层的大小为128。

但是，如果我执行诸如model.add(Dense(128, input_dim=(7, 128)))则表示这是错误的。

所以我不知道这个input_dim应该是什么。

我的数据有5330个数据点和7个要素（形状为（5330，7））。 有人可以告诉我input_dim应该是什么，为什么？

谢谢。

Answer 1

input_dim只是您传递到此层的输入的形状。 所以：

• input_dim = 7

还有其他选项，例如：

• input_shape=(7,) -此参数使用tuples而不是整数，当您的输入具有多个维度时很好
• batch_input_shape=(batch_size,7) -通常不是必须的，但是如果需要固定的批处理大小（有一些层配置要求使用），可以使用它

现在，Dense层中输出的大小是units参数。 在您的情况下为128，应等于num_neurons 。