Machine learning Keras/机器学习：扁平化输入数据与拥有更高维度输入相比有什么利弊？
我正在训练一个以两个300d单词向量作为输入的模型。我最初计划提供一个600d矢量作为输入数据 然而，我在Keras数据集页面上注意到： 他们使用更高维的输入数据，而不是平坦的输入。例如，它们表示尺寸为：（3,32,32）的32x32 RBG图像Machine learning Keras/机器学习：扁平化输入数据与拥有更高维度输入相比有什么利弊？,machine-learning,neural-network,keras,Machine Learning,Neural Network,Keras,我正在训练一个以两个300d单词向量作为输入的模型。我最初计划提供一个600d矢量作为输入数据 然而，我在Keras数据集页面上注意到： 他们使用更高维的输入数据，而不是平坦的输入。例如，它们表示尺寸为：（3,32,32）的32x32 RBG图像 我应该做（2300）输入还是（1600）输入？这有关系吗 当且仅当您的模型是空间模型时，这才重要。典型的例子包括卷积神经网络。否则-如果没有使用基于空间的模块-数据将以任何方式在内部展平
我应该做（2300）输入还是（1600）输入？这有关系吗 当且仅当您的模型是空间模型时，这才重要。典型的例子包括卷积神经网络。否则-如果没有使用基于空间的模块-数据将以任何方式在内部展平