machine-learning - 具有不同输入和输出大小的神经网络

Question

有没有办法设计一个神经网络，如果我在每个长度为 n 的 x （输入）和 y （输出）数据集数组上训练它，那么如果给定的输入长度为 m 且具有预期输出，它甚至可以预测输出长度也为 m？使得 m ≠ n。

我目前的设置是我从 Sci kit 训练一个 MLP 回归器，并在给定长度为 n 的输入 x 时使用它预测数组，与训练集相同。但是，使用相同的预测器，当输入的长度比训练集长或短时，我希望能够预测数组。如果有办法实现这一点，我们将不胜感激。

标签： machine-learningscikit-learnneural-networkconv-neural-network

Answer 1

这是文本应用（NLP）中的一个经典问题，你应该朝着这个方向进行研究。例如：
-您可以使用填充：选择长度 N>n,m。然后在每个训练集实例的末尾添加零，直到它们的大小为 N。在推理期间，您可以向实例添加 0，直到它们的大小为 N，这样任何大小为 [0,N] 的输入都被覆盖。
- 您可以使用适用于任何输入长度的 LSTM（reccurent newtork）。
...