具有不同输入和输出大小的神经网络答案

【问题标题】：Neural network with varied input and output sizes具有不同输入和输出大小的神经网络
【发布时间】：2021-04-05 22:30:22
【问题描述】：

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

我当前的设置是我从 Sci kit 中训练一个 MLP 回归器，并在给定长度为 n 的输入 x 时使用它来预测数组，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。

【问题讨论】：

我投票结束这个问题，因为它与 help center 中定义的编程无关，而是关于 ML 理论和/或方法 - 请参阅介绍和注意在machine-learningtag info.

标签： machine-learning scikit-learn neural-network conv-neural-network

【解决方案1】：

这是文本应用程序（NLP）中的经典问题，您应该看看那个方向进行研究。例如：
- 您可以使用填充：选择长度n> n，m。然后在每个列表实例的末尾添加零，直到它们的尺寸为n。在推理期间，您可以将0添加到实例，直到它们的尺寸为n，以这种方式覆盖任何尺寸[0，n]。
- 您可以使用将在任何输入长度工作的LSTM（Reccurent NewTork）。
...

【讨论】：

谢谢你的答案托马斯你能详细说明我想要使用比训练输入更大的数组的情况。当我有一个较小的预测输入阵列时，我相信您的方法将为我工作。 span>