如何更改 Keras 密集层的输出维度？答案

【问题标题】：How to change ouput Dimension of Keras Dense Layer?如何更改 Keras 密集层的输出维度？
【发布时间】：2019-12-25 21:03:08
【问题描述】：

我尝试构建一个简单的交易机器人。我使用深度 q-learning 来做到这一点。引导获取单个股票价格数组作为输入。

input = [9540.5  9167. 8651.8     9200.5  8780.]

这就是我的模型的样子。

model = Sequential()

model.add(Dense(units=64, input_dim = 1, activation="relu"))

model.add(Dense(32))

model.add(Dense(16))

model.add(Dense(8))

model.add(Dense(self.action_size, activation="linear"))

model.compile(loss="mse", optimizer=Adam(lr=0.001))

start = time.time()

model.summary()

return model

这就是我会得到的

desire Output: [   70.84186   -218.39314  -1069.3423  ]

这就是它的样子：

actual output:
[
[   70.84186   -218.39314  -1069.3423  ]
[   70.84186   -218.39314  -1069.3423  ]
[   70.84186   -218.39314  -1069.3423  ]
[   70.84186   -218.39314  -1069.3423  ]
[   70.84186   -218.39314  -1069.3423  ]
]

请有人告诉我如何减少输出的维度。

【问题讨论】：

我没看懂问题，你在问题中提出的价值观是怎么产生的？
你想要的输出示例将有助于理解你在寻找什么（“减少维度”？）。

标签： python keras deep-learning reinforcement-learning

【解决方案1】：

在尝试和错误之后，我发现，我的输入是错误的。

input = [1,2,3,4]

从网络解释为 4 个示例，而不是一个具有 4 个功能的示例。所以我用 Numpy 来改变我的输入。

input = np.array(input)
input = np.expand_dims(input, axis=0)

然后输入看起来像这样：

[[1,2,3,4]]

使用这个输入网络只计算一个输出。

ps。马蒂亚斯·瓦尔德内戈输入是股票价格变化的时间序列。输出是某些操作的加权值，如持有、卖出或买入。

【讨论】：