Keras 密集層的維度

Question

我有一個 Keras 模型，尺寸如下：

________________________________________________________________________________
Layer (type)              Output Shape              Param #
================================================================================
stft (InputLayer)         (None, 1, 16384)          0
________________________________________________________________________________
static_stft (Spectrogram) (None, 1, 65, 256)        16640
________________________________________________________________________________
conv2d_1 (Conv2D)         (None, 38, 5, 9)          12882
________________________________________________________________________________
dense_1 (Dense)           (None, 38, 5, 512)        5120
________________________________________________________________________________
predictions (Dense)       (None, 38, 5, 368)        188784
================================================================================

我對最后密集層的維度感到困惑。 我希望分別有 (None,512) 和 (None,368)。 這是由以下答案建議的： Keras lstm 和密集層

它們最終的密集層創建如下：

x = keras.layers.Dense(512)(x)
outputs = keras.layers.Dense(
        368, activation='sigmoid', name='predictions')(x)

那么為什么他們有超過 512 個輸出呢？ 我該如何改變這一點？

Answer 1

根據您的應用程序，您可以在 Conv2D 層之后展平：

input_layer = Input((1, 1710))
x = Reshape((38, 5, 9))(input_layer)
x = Flatten()(x)
x = Dense(512)(x)
x = Dense(368)(x)

Layer (type)                 Output Shape              Param #   
_________________________________________________________________
input_1 (InputLayer)         [(None, 1, 1710)]         0         
_________________________________________________________________
reshape (Reshape)            (None, 38, 5, 9)          0         
_________________________________________________________________
flatten (Flatten)            (None, 1710)              0         
_________________________________________________________________
dense (Dense)                (None, 512)               876032    
_________________________________________________________________
dense_1 (Dense)              (None, 368)               188784    

Answer 2

這是Conv2D層。 卷積層產生長度為 9 的 38x5 輸出，然后您的Dense層將每個 38x5 長度為 9 的序列作為輸入並將其轉換為長度為 512 的序列作為輸出。

為了擺脫空間依賴性，您需要使用池化層之類的東西，可能是GlobalMaxPool2D 。 這會將數據合並到僅通道維度中，並生成(None, 9)形狀的輸出，這將導致來自Dense層的預期形狀。