Keras/Tensorflow 中的 input_shape 参数

Question

我在 Tensorflow 做机器学习教程，代码如下：

import tensorflow as tf
import numpy as np
from tensorflow import keras
 
model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])
model.summary()
 
model.compile(optimizer='sgd', loss='mean_squared_error')
 
xs = np.array([-1.0,  0.0, 1.0, 2.0, 3.0, 4.0], dtype=float)
ys = np.array([-3.0, -1.0, 1.0, 3.0, 5.0, 7.0], dtype=float)
 
model.fit(xs, ys, epochs=50)
 
print(model.predict([10.0]))

它工作得很好，但我很难理解每次运行时将哪些数据作为输入。 输入数据是两个 arrays 数字， model.summary() 调用显示 model 期望两个输入，但我不明白那个输入到底是什么 - 是吗？ -1.0 和 -3.0 用于第一个 epoch 还是同时完成 arrays 并放入层中的 1 个神经元？

Answer 1

它的工作原理是您提供数据和 output，在您的情况下是 xs 和 ys。 网络将分批接收。 如果您的批量大小为 1，它将首先采用 xs[0] 和 ys[0]，然后反向传播，然后是下一个。 如果batch size大于1，则根据batch的数组会是go，比方说，你的batch size是4，那么，首先xs[:4]和ys[:4]会通过网络go，然后，反向传播将发生。