如何将数据传递到Keras？

Question

我目前正在努力了解如何使用Keras培训回归网络。我不确定如何将输入数据传递给网络。

输入数据和输出数据都存储为Numpy阵列的列表。

每个输入numpy数组都是一个矩阵，具有（400行，x列）每个输出numpy阵列是一个矩阵，具有（x行，13列）

因此，输入尺寸为400，输出为13。但是如何将列表中的每个集合传递给培训呢？

# Multilayer Perceptron
model = Sequential()    # Feedforward
model.add(Dense(3, input_dim=400, output_dim=13))
model.add(Activation('tanh'))
model.add(Dense(1))
model.compile('sgd', 'mse')

我知道型号。适合给定参数的模型，它实际上在数据中如何处理对我来说有点像魔术，以及它如何知道矩阵A的列应映射到矩阵B的行，这必须是为整个矩阵完成，附加到列表。

Answer 1

如果您查看KERAS文档，您将观察到，对于顺序模型的第一层，请采用所需的输入。因此，例如，您的第一层是具有输入尺寸为400的密集层。因此，每个输入都应是大小为400的numpy阵列。您可以传递具有大小（x，400）的2D numpy阵列。 （我认为x是输入示例的数量）。您的输出对于每个输出文档都有13个维度，因此您的最终密集层必须为 model.add(Dense(13)) 而不是型号add（密集（1））。

从了解到的方式来看，它将X的第一个维度作为训练示例数和第二维数作为每个示例的大小。同样，输出层。