Keras局部连接层的尺寸

Question

我试图使用LocallyConnected1D层（而不是Dense）构建一个自动编码器，但是在理解这两个层类型之间的差异时遇到了很多困难，尤其是在输出维度方面。在

model = Sequential()
model.add(Reshape(input_shape=(input_size,), target_shape=(input_size,1))
model.add(LocallyConnected1D(encoded_size, kernel_size)
model.add(LocallyConnected1D(input_size, kernal_size_2, name="decoded_layer"))

这个模型编译得很好，但是当我去训练它的时候。。。在

^{pr2}$

其中x_train和{}分别是形状（60000784）和（10000，784）的numpy数组。我在这一行得到以下错误：

ValueError: Error when checking target: expected decoded_layer to have 3 dimensions, but got array with shape (60000, 784)

进入decoded_layer的张量的形状是不是应该是（60000，encoded_size，1）？在

Answer 1

首先，不必将None作为输入形状的第一个维度。Keras自动假设还有另一个输入维度，即样本数。在

其次，LocallyConnected1D需要3D输入。这意味着您的input_shape应该是（int，int）的形式，keras推断出一个形状（None，int，int）

例如：

model = Sequential()
model.add(LocallyConnected1D(64, 3, input_shape=(10,10))) #takes a 10 by 10 array for each sample
model.add(LocallyConnected1D(32, 3))

如果数据的形状不正确，则始终可以使用Reshape()层。假设您的输入是（batch_size，50）的形状，因此每个样本都是50个元素的一维向量：

^{pr2}$