Deep learning 《凯拉斯·西亚诺》中负向维度的含义是什么

我已经尝试定义一个简单的体系结构来在MNIST数据集上使用，我开始这样定义我的体系结构：

model = Sequential()

model.add(Convolution2D(32,(3,3),activation='relu',input_shape = (1,28,28)));

在这一步中，我检查了我的网络输出：

model.output_shape

它给了我这个：

(None, -1, 26, 32)

---

有人能给我解释一下负维（-1）的含义吗？

尽管直接使用张量时-1实际上可能是一个未知的大小，但Keras层不是这样工作的。Keras中的未知批量是

None

维度

对于卷积，Keras使用

通道\u last

作为数据格式，因此您应该将数据塑造为

（28,28,1）

，即（imageSide1，imageSide2，通道）

通过将数据整形为（1,28,28），卷积将认为第一个图像边是1像素。并通过该操作移除2个像素，结果为-1。因此，将其形状设置为（28,28,1），以获得（None，26,26,32）的输出

---

或者，您可以将卷积层中的

data\u format

参数设置为

channels\u first

，甚至可以将

keras.json

文件更改为默认设置为

channels\u first

尽管直接使用张量时，a-1实际上可能是一个未知的大小，但Keras层并不是这样工作的。Keras中的未知批量是

None

维度

对于卷积，Keras使用

通道\u last

作为数据格式，因此您应该将数据塑造为

（28,28,1）

，即（imageSide1，imageSide2，通道）

通过将数据整形为（1,28,28），卷积将认为第一个图像边是1像素。并通过该操作移除2个像素，结果为-1。因此，将其形状设置为（28,28,1），以获得（None，26,26,32）的输出

---

或者，您可以将卷积层中的

data\u format

参数设置为

channels\u first

，甚至可以将

keras.json

文件更改为默认设置为

channels\u first

它意味着未知维度。它在当前上下文中是未知的，但将在运行中推断或学习，例如在提供批次大小后。它表示未知维度。在当前上下文中它是未知的，但是它将在运行中被推断或学习，例如在提供批量大小之后。您是如何学习这些内容的：D？你能为我介绍一些有用的资源吗？我不得不打电话给“Daniel.fit（与Keras一起训练，预期成绩，历代=很多）”。我发现很难写出好的、简短的、有用的教程。他们都说得太多，解释的理论比实际使用的多。一些资源：如果你不是从零开始，这是非常有用的。为了理解维度，你是如何学习这些东西的：D？你能为我介绍一些有用的资源吗？我不得不打电话给“Daniel.fit（与Keras一起训练，预期成绩，历代=很多）”。我发现很难写出好的、简短的、有用的教程。他们都说得太多，解释的理论比实际使用的多。一些资源：如果你不是从零开始，这是非常有用的。为了理解维度。