Neural network 三维输入前馈神经网络
我有一个3D输入数据集。尺寸为(24,80,42)。80个时间步或样本数。每个时间步有24个实体,每个实体由42个特征组成。如何将其作为普通前馈神经网络的输入?我已经得到了LSTM的结果 这就是我得到的错误。 我不知道如何重塑数据以作为输入 ValueError:检查输入时出错:预期密集_3_输入有3个维度,但得到了具有形状的数组(1920,42) 这是正确的吗Neural network 三维输入前馈神经网络,neural-network,deep-learning,Neural Network,Deep Learning,我有一个3D输入数据集。尺寸为(24,80,42)。80个时间步或样本数。每个时间步有24个实体,每个实体由42个特征组成。如何将其作为普通前馈神经网络的输入?我已经得到了LSTM的结果 这就是我得到的错误。 我不知道如何重塑数据以作为输入 ValueError:检查输入时出错:预期密集_3_输入有3个维度,但得到了具有形状的数组(1920,42) 这是正确的吗 图层(类型)输出形状参数# 密集型_25(密集型)(无、80、24、42)1806 致密(致密)(无、80、24、42)1806
图层(类型)输出形状参数# 密集型_25(密集型)(无、80、24、42)1806
致密(致密)(无、80、24、42)1806
密集型(密集型)(无、80、24、24)1032 总参数:4644 可培训参数:4644 不可训练参数:0
用模型/数学语言,你如何看待网络工作?用模型/数学语言,你如何看待网络工作?
input_shape = (80,24,42)
network = models.Sequential()
# Add fully connected layer with a ReLU activation function
network.add(layers.Dense(units=42, activation='relu',
input_shape=input_shape))
# Add fully connected layer with a ReLU activation function
network.add(layers.Dense(units=42, activation='relu'))
# Add fully connected layer with no activation function
network.add(layers.Dense(units=24))
network.summary()