如何建立keras模型
How to build a keras model
作为一个完全的初学者，我对如何堆叠 keras 层感到困惑，而 keras doc 没有帮助。我有一个包含浮点值的列表列表，所以我输入的形状是 (51,80,1)，其中我的 final_list 中有 51 个列表，每个列表都包含 80 个浮点值。我想用它来进行预测，我在另一个列表中有标签。
我有 3 个输出 类。我想创建一个这样的 RNN 模型：
Layer output_shape
Input (51,80,1)
GRU (51,100,1)
Dense (51,100,1)
GRU (51,100)
LR (51,3)
到目前为止我已经这样做了:
model = Sequential()
model.add(Dense(51,input_shape=(win_size,1)))
model.add(GRU(100))
model.add(Dense(100, activation='relu'))
有人可以帮忙学习吗？
你的目标网络设计似乎不是从密集层开始的，而是从GRU开始的，所以我把它去掉了。结果代码模仿规范：
model = Sequential()
model.add(GRU(units=100, input_shape=[80, 1]))
model.add(Dense(units=100, activation='relu'))
model.add(Reshape([100, 1]))
model.add(GRU(units=100))
model.add(Dense(units=3))
model.add(Activation('softmax'))
请注意，您不需要在模型中进行硬编码 51，因为这是您的批量大小，不会影响模型架构。
作为一个完全的初学者，我对如何堆叠 keras 层感到困惑，而 keras doc 没有帮助。我有一个包含浮点值的列表列表，所以我输入的形状是 (51,80,1)，其中我的 final_list 中有 51 个列表，每个列表都包含 80 个浮点值。我想用它来进行预测，我在另一个列表中有标签。
我有 3 个输出 类。我想创建一个这样的 RNN 模型：
Layer output_shape
Input (51,80,1)
GRU (51,100,1)
Dense (51,100,1)
GRU (51,100)
LR (51,3)
到目前为止我已经这样做了:
model = Sequential()
model.add(Dense(51,input_shape=(win_size,1)))
model.add(GRU(100))
model.add(Dense(100, activation='relu'))
有人可以帮忙学习吗？
你的目标网络设计似乎不是从密集层开始的，而是从GRU开始的，所以我把它去掉了。结果代码模仿规范：
model = Sequential()
model.add(GRU(units=100, input_shape=[80, 1]))
model.add(Dense(units=100, activation='relu'))
model.add(Reshape([100, 1]))
model.add(GRU(units=100))
model.add(Dense(units=3))
model.add(Activation('softmax'))
请注意，您不需要在模型中进行硬编码 51，因为这是您的批量大小，不会影响模型架构。