input layer

作用

設置輸入層的shape，定義好第一層的結構

全局參數

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

數據一

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")) # 這里Input層可要可不要（不加則模型未build），因為構造的數據不用更改shape就可以喂給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)

數據二

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)

數據三

總結

以上是生活随笔為你收集整理的tf input layer的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。