keras theano中的负维度是什么意思
what is the meaning of negative dimension in keras theano
我已经尝试定义一个简单的架构以用于 MNIST 数据集，我开始这样定义我的架构：
model = Sequential()
model.add(Convolution2D(32,(3,3),activation='relu',input_shape = (1,28,28)));
在这一步中，我检查了我的网络：
model.output_shape
它给了我这个：
(None, -1, 26, 32)
谁能给我解释一下负维度 (-1) 是什么意思？
虽然直接使用张量时 -1 实际上可能是未知大小，但 Keras 层不是这样工作的。 Keras 中的未知批量大小是 None 维度。
对于卷积，Keras 使用 channels_last 作为数据格式，因此您应该将数据整形为 (28,28,1)，即 (imageSide1, imageSide2, channels)
通过将数据整形为 (1,28,28)，卷积会认为第一个图像边是 1 个像素。并通过操作删除 2 个像素，结果将是 -1。因此，将其整形为 (28,28,1) 以获得 (None,26,26,32).
的输出
或者，您可以将卷积层中的 data_format 参数设置为 channels_first，或者甚至更改 keras.json 文件以将 channels_first 作为默认值。
我已经尝试定义一个简单的架构以用于 MNIST 数据集，我开始这样定义我的架构：
model = Sequential()
model.add(Convolution2D(32,(3,3),activation='relu',input_shape = (1,28,28)));
在这一步中，我检查了我的网络：
model.output_shape
它给了我这个：
(None, -1, 26, 32)
谁能给我解释一下负维度 (-1) 是什么意思？
虽然直接使用张量时 -1 实际上可能是未知大小，但 Keras 层不是这样工作的。 Keras 中的未知批量大小是 None 维度。
对于卷积，Keras 使用 channels_last 作为数据格式，因此您应该将数据整形为 (28,28,1)，即 (imageSide1, imageSide2, channels)
通过将数据整形为 (1,28,28)，卷积会认为第一个图像边是 1 个像素。并通过操作删除 2 个像素，结果将是 -1。因此，将其整形为 (28,28,1) 以获得 (None,26,26,32).
的输出或者，您可以将卷积层中的 data_format 参数设置为 channels_first，或者甚至更改 keras.json 文件以将 channels_first 作为默认值。