Keras / Machine Learning: Qualquer prós e contras de achatamento de dados de entrada vs ter uma entrada dimensional superior?

votos
1

Estou treinando um modelo que leva dois 300d vetores palavra como uma entrada. Eu estava originalmente planejando fornecer um vetor 600d como os dados introduzidos.

No entanto, notei na página conjuntos de dados Keras: http://keras.io/datasets/

Eles usam dados de entrada de dimensões superiores em vez de achatamento de entrada. Por exemplo, eles representam uma imagem 32x32 RBG com dimensões: (3, 32, 32)

Devo fazer uma (2.300) de entrada ou uma entrada (1.600)? Isso importa?

Publicado 05/04/2016 em 18:18
fonte usuário
Em outras línguas...                            


1 respostas

votos
2

Não importa se, e somente se o seu modelo é um modelo espacial. Exemplos típicos envolvem redes neurais convolucionais. Caso contrário - se nenhum módulo de base espacial é utilizado - os dados serão achatadas internamente de qualquer maneira.

Respondeu 05/04/2016 em 19:19
fonte usuário

Cookies help us deliver our services. By using our services, you agree to our use of cookies. Learn more