tensorflow

输出形状中的(None, 100)是什么意思？ 这是(“无”)样本编号还是隐藏维度？

最佳答案

None 表示该尺寸是可变的。

keras 模型中的第一个维度始终是批量大小。您不需要固定的批量大小，除非在非常特殊的情况下(例如，使用 stateful=True LSTM 层时)。

这就是为什么在定义模型时经常忽略此维度的原因。例如，当您定义 input_shape=(100,200) 时，实际上您忽略了批量大小并定义了“每个样本”的形状。在内部，形状将为(None, 100, 200)，允许可变的批量大小，批量中的每个样本具有形状(100,200)。

批量大小将在 fit 或 predict 方法中自动定义。

其他无维度:

不仅批量维度可以为None，很多其他维度也可以。

例如，在 2D 卷积网络中，预期输入为 (batchSize, height, width,channels)，您可以具有类似 (None, None, None, 3 )，允许可变的图像尺寸。

在循环网络和一维卷积中，您还可以使用长度/时间步长维度变量，其形状如(None, None, featuresOrChannels)

关于tensorflow - KERAS model.summary 中的 "None"是什么意思？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/47240348/