[英]Neural network architecture for multi-output classification
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!
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。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.