tflearn.fully_connected 的第二个参数代表什么？

Question

我正在努力学习tflearn。但我有一些疑问。

在下面一行

net = tflearn.input_data(shape=[None, len(train_x[0])])

len(train_x[0]) 是我的输出矩阵的形状吗？如果不是，那是什么？

第二个疑问是：这一行的 8 是什么？

net = tflearn.fully_connected(net, 8)

我尝试搜索，发现它是 n_units，但它们是什么，我应该如何选择在这种情况下需要多少个单元？

Answer 1

线

net = tflearn.input_data(shape=[None, len(train_x[0])])

表示 tflearn 期望网络的输入具有形状 [?, len(train_x[0])]。在您的情况下，我认为 train_x 是一个矩阵，这意味着 len(train_x[0]) 会给您矩阵中的列数。

如果您查看 tflearns 全连接层 (http://tflearn.org/layers/core/) 的文档，您会看到 8 对应于 n_units 参数

net = tflearn.fully_connected(net, 8)

意味着这条线将创建一个具有 8 个隐藏单元/神经元的全连接层。