在 Keras 中添加图层时，input_shape、input_dim 和 units 表示或表示什么？答案

【问题标题】：What does input_shape,input_dim and units indicate or mean while adding layers in a Keras?在 Keras 中添加图层时，input_shape、input_dim 和 units 表示或表示什么？
【发布时间】：2020-07-02 10:20:02
【问题描述】：

我是 keras 的新手，我想知道是否可以使用神经网络做一些关于文本分类的工作。因此，我继续获取有关垃圾邮件或火腿的数据集，并使用 tfidf 对数据进行矢量化，并使用 to_categorical() 将标签转换为 numpy 数组，并设法将我的数据拆分为 train 并测试每个都是 numpy 数组有大约 7k 列。这是我使用的代码。

model.add(Dense(8,input_dim=7082,activation='relu'))
model.add(Dense(8,input_dim=7082))
model.add(Dense(2,activation='softmax'))
model.compile(loss="categorical_crossentropy",optimizer="adam",metrics=['accuracy'])

我不知道我是否做错了什么。有人可以指出我应该改变什么的正确方向。抛出的错误： Error when checking input: expected dense_35_input to have 2 dimensions, but got array with shape ()

【问题讨论】：

标签： python tensorflow machine-learning keras nlp

【解决方案1】：

根据documentation，密集层似乎没有任何input_dim 参数。

input_shape 是一个元组，必须在模型的第一层中使用。它指的是输入数据的形状。

units是指输出空间的维度，即dense layer处理的每个输出元素的形状。

在您的情况下，如果您的输入数据的维数为 7082，则应该可以：

model.add(Dense(8,input_shape=(7082,),activation='relu'))
model.add(Dense(2,activation='softmax'))
model.compile(loss="categorical_crossentropy",optimizer="adam",metrics=['accuracy'])

【讨论】：

非常感谢它的工作，问题出在我的阵列上。您能否指导我找到可以研究这些主题的资源。我仍然不明白密集层中的'8'是如何使用的。
我认为你应该学习一点神经网络。您可以在 Internet 上找到大量关于如何设计和训练神经网络的博客文章和教程。如果您想更深入地了解神经网络背后的数学原理，您可以访问deeplearningbook.org，这是一本在线书籍，详细解释了神经网络。它由该领域的一些最著名的研究人员编写（Goodfellow 是 GAN 的发明者，Bengio 获得了上届图灵奖）。如果有效，您可以将答案标记为已接受。