简单神经网络的可变长度输入 (Keras)

Question

可以将可变长度，即 input_dim=None 应用于简单的神经网络吗？具体来说，Keras Sequential 模型。在尝试使用相同的概念时，我曾运行犯过错误。我已经看过似乎支持此功能的文档：

https://keras.io/getting-started/functional-api-guide/

但是当我执行以下操作时...

model = Sequential()
model.add(Dense(num_feat, input_dim = None, kernel_initializer = 'normal', activation='relu'))
model.add(Dense(num_feat, kernel_initializer = 'normal', activation = 'relu'))
model.add(Dropout(.2))
model.add(Dense(num_feat, kernel_initializer = 'normal', activation = 'relu'))
model.add(Dropout(.2))
model.add(Dense(num_feat, kernel_initializer = 'normal', activation = 'relu'))
model.add(Dropout(.2))
model.add(Dense(ouput.shape[1], kernel_initializer = 'normal', activation = 'linear'))

...我收到此错误：

ValueError: ('Only Theano variables and integers are allowed in a size-tuple.', (None, 63), None)

如有任何帮助、想法或说明，我们将不胜感激！

Answer 1

不，你不能。（而且你也不能使用函数 API）

权重矩阵有一个固定的大小，这个大小取决于输入暗淡。

可能的可变维度是：

在卷积中：空间维度，而不是 channels/filters
- 1D: input_shape=(None,channels)
- 二维：input_shape=(None,None,channels)
- 3D: input_shape=(None,None,None,channels)
在循环层中：时间步维度，而不是特征维度
- input_shape = (None, features)
在任何图层中，"batch" 维度，但这通常不会设置，除非您使用 batch_shape 或 batch_input_shape 而不是 input_dim
- 对于密集型：batch_shape=(None,input_dim) 或 batch_input_shape=(None,input_dim)

简单神经网络的可变长度输入 (Keras)

Variable length input for a simple neural network (Keras)

sequential

theano

keras

tensorflow