tf input layer

input layer

作用

设置输入层的shape，定义好第一层的结构

全局参数

import numpy as np
import tensorflow as tf
from tensorflow import kerasrows = 10000
columns = 100
emb_size = 5
words_length = 50000

数据一

train_x1 = np.random.random(size=(rows, columns, emb_size))
train_y1 = np.random.randint(low=0, high=2, size=(rows, 1))
# train_y1 = np.random.choice([1, 0], size=(rows, 1))model1 = keras.Sequential(name="test1")
model1.add(keras.layers.Input(shape=(columns, emb_size), name="my_input_1")) # 这里Input层可要可不要（不加则模型未build），因为构造的数据不用更改shape就可以喂给rnn
model1.add(keras.layers.SimpleRNN(units=10))
model1.add(keras.layers.Dense(1))model1.compile(loss=tf.keras.losses.BinaryCrossentropy(from_logits=True),optimizer=tf.keras.optimizers.Adam(1e-4),metrics=['accuracy'])model1.fit(train_x1, train_y1, epochs=10, batch_size=100)

数据二

train_x2 = np.random.random(size=(rows, columns))
train_y2 = np.random.randint(low=0, high=2, size=(rows, 1))model2 = keras.Sequential(name="test2")
model2.add(keras.layers.Input(shape=(columns,), name="my_input_2"))
model2.add(keras.layers.Embedding(input_dim=words_length, output_dim=emb_size))
model2.add(keras.layers.SimpleRNN(units=10))
model2.add(keras.layers.Dense(1))model2.compile(loss=tf.keras.losses.BinaryCrossentropy(),optimizer=tf.keras.optimizers.Adam(1e-4),metrics=['accuracy'])model2.fit(train_x2, train_y2, epochs=10, batch_size=100)

数据三

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！