用于多输出分类的神经网络架构

Question

我正在尝试构建一个基于 neural-network 的分类器，该分类器将 (32, m) 矩阵作为输入，其中 32 是特征数，m 是批量大小，并输出 (16, m) 矩阵，其中每列是一个 output 向量 (16, 1)。 单个 output 向量的每个元素可能有 7 个不同的值，其中每个值对应一个 class。 如何使用 Keras 在 Python 中构建此 model？

提前致谢！

我想要实现的图像

Answer 1

批量大小是一个超参数，它定义在更新内部 model 参数之前要处理的样本数量。 要设计网络架构，您不需要有关批量大小的信息。

我不知道您正在处理什么样的输入/输出数据，但仅基于您的问题，一种实现是输入层具有 32 个神经元，output 层具有 16（输出数量）* 7（数量可能的类别）神经元。