Keras Dense 层的维度答案

【问题标题】：Dimensionality of Keras Dense layerKeras Dense 层的维度
【发布时间】：2020-03-12 22:21:44
【问题描述】：

我有一个 Keras 模型，尺寸如下：

________________________________________________________________________________
Layer (type)              Output Shape              Param #
================================================================================
stft (InputLayer)         (None, 1, 16384)          0
________________________________________________________________________________
static_stft (Spectrogram) (None, 1, 65, 256)        16640
________________________________________________________________________________
conv2d_1 (Conv2D)         (None, 38, 5, 9)          12882
________________________________________________________________________________
dense_1 (Dense)           (None, 38, 5, 512)        5120
________________________________________________________________________________
predictions (Dense)       (None, 38, 5, 368)        188784
================================================================================

我对最后密集层的维度感到困惑。我希望分别拥有 (None,512) 和 (None,368)。这是由以下答案建议的：Keras lstm and dense layer

它们最终的密集层创建如下：

x = keras.layers.Dense(512)(x)
outputs = keras.layers.Dense(
        368, activation='sigmoid', name='predictions')(x)

那么为什么他们有超过 512 个输出呢？我该如何改变呢？

【问题讨论】：

标签： python tensorflow keras

【解决方案1】：

根据您的应用程序，您可以在 Conv2D 层之后展平：

input_layer = Input((1, 1710))
x = Reshape((38, 5, 9))(input_layer)
x = Flatten()(x)
x = Dense(512)(x)
x = Dense(368)(x)

Layer (type)                 Output Shape              Param #   
_________________________________________________________________
input_1 (InputLayer)         [(None, 1, 1710)]         0         
_________________________________________________________________
reshape (Reshape)            (None, 38, 5, 9)          0         
_________________________________________________________________
flatten (Flatten)            (None, 1710)              0         
_________________________________________________________________
dense (Dense)                (None, 512)               876032    
_________________________________________________________________
dense_1 (Dense)              (None, 368)               188784

【讨论】：

【解决方案2】：

这是Conv2D 层。卷积层产生长度为 9 的 38x5 输出，然后您的Dense 层将每个 38x5 长度 9 序列作为输入，并将其转换为长度为 512 的序列作为输出。

为了摆脱空间依赖性，您需要使用池化层之类的东西，可能是GlobalMaxPool2D。这会将数据合并到仅通道维度中，并生成(None, 9) 形状的输出，这将导致来自Dense 层的预期形状。

【讨论】：