构建一个采用创建的特征向量的神经网络
Building a neural network that takes a created feature vector
更准确地说。可以说我已经有一个表示某些东西（单词、对象、图像...）的向量，而且我无法改变我得到它的方式。我想做的是创建一个没有嵌入和池化层的神经网络，我想知道 tensorflow 是否支持这种方法。
假设我的向量有 10 个特征长（10 个浮点数）。对于每个向量，我还有一个标签，假设有 3 个标签可供选择。
我(struggling/trying)要做的就是这个。我想将这种向量输入推入具有 relu 激活和 10 个神经元（堆栈可能为 2 或 3）的 keras 密集层，然后作为最后一层使用具有 3 个输出神经元的 sigmoid 激活。
然后在 40(?) 个 epochs 上用标签拟合...
我的主要问题是..这可能吗？我还没有完成代码，也许我问这个有点太早了，但无论如何。
这是人们会如何处理这个问题，还是您会从嵌入层向下构建模型并且不会使用已经制作的向量？
确实有可能。
实现此目的的一种方法是创建一个生成器函数，生成要传递给网络的向量（无论它是什么，它都会做你的向量表示）。然后通过调用 tf.data.Dataset.from_generator.
创建一个 TensorFlow 数据集
模型可能只是一个 Sequential 密集层。
更准确地说。可以说我已经有一个表示某些东西（单词、对象、图像...）的向量，而且我无法改变我得到它的方式。我想做的是创建一个没有嵌入和池化层的神经网络，我想知道 tensorflow 是否支持这种方法。
假设我的向量有 10 个特征长（10 个浮点数）。对于每个向量，我还有一个标签，假设有 3 个标签可供选择。
我(struggling/trying)要做的就是这个。我想将这种向量输入推入具有 relu 激活和 10 个神经元（堆栈可能为 2 或 3）的 keras 密集层，然后作为最后一层使用具有 3 个输出神经元的 sigmoid 激活。
然后在 40(?) 个 epochs 上用标签拟合...
我的主要问题是..这可能吗？我还没有完成代码，也许我问这个有点太早了，但无论如何。 这是人们会如何处理这个问题，还是您会从嵌入层向下构建模型并且不会使用已经制作的向量？
确实有可能。
实现此目的的一种方法是创建一个生成器函数，生成要传递给网络的向量（无论它是什么，它都会做你的向量表示）。然后通过调用 tf.data.Dataset.from_generator.
模型可能只是一个 Sequential 密集层。