python - 训练具有可变输入大小的 keras 模型
问题描述
我正在制作文本分析机。显然每个向量都有不同的大小,例如:
vectorA = [1, 43, 453, 22, 776, 873, 985]
vectorB = [0, 324, 32432]
我不想固定输入大小,但我不知道模型如何具有不同的输入大小?顺便说一下,模型是:
inputs = keras.Input(shape=(None, ))
emb1 = keras.layers.Embedding(
input_dim=len(X_train),
output_dim=None,
)(inputs)
con1 = keras.layers.Conv1D(
activation='relu',
)(emb1)
pool1 = keras.layers.GlobalMaxPooling1D(
)(con1)
output = keras.layers.Dense(4,
activation="softmax")
model = keras.Model(inputs=inputs, outputs=output)
model.compile(optimizer=keras.optimizers.Adam(),
loss="binary_crossentropy",
metrics=["accuracy"])
我是新手,Keras
所以我将不胜感激任何类型的帮助!
解决方案
推荐阅读
- wpf - 这个 wpf 多触发条件用于什么?
- javascript - 如何使 GoogleChart 在 mat-grid 中灵活?
- python - 如何使用 python 请求从 Cloudfront 下载
- r - 在数据框中的行(观察)之间执行计算
- json - 从 Cosmos DB 查询值并将值返回到 JSON 文件
- kubernetes - 使用 ttlSecondsAfterFinished 完成后作业未删除
- xpages - Domino ODA 覆盖 phaseListener
- python - 来自easysnmp python库的snmp_walk函数返回空列表
- typescript - 泛型参数内的赋值
- graph - CYPHER - 以原始顺序返回链接节点