flatten 在 keras 的顺序模型中做了什么答案

【问题标题】：what does flatten do in sequential model in kerasflatten 在 keras 的顺序模型中做了什么
【发布时间】：2018-02-18 19:39:55
【问题描述】：

我正在使用顺序模型研究 keras。

model = Sequential()
model.add(Embedding(max_features, 128, input_length=text_max_words))
model.add(Flatten())
model.add(Dense(256, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

Flatten 在这里做什么？

【问题讨论】：

标签： neural-network keras flatten keras-layer

【解决方案1】：

看看the relevant documentation，它包含一个很好的例子：

model = Sequential()
model.add(Conv2D(64, 3, 3,
                 border_mode='same',
                 input_shape=(3, 32, 32)))

之前：model.output_shape == (None, 64, 32, 32)

model.add(Flatten())

之后：model.output_shape == (None, 65536)

解释这个最终的形状：

None 就像一个空的占位符，它将等待批处理的大小
65536 是在输入维度上运行 flatten 的结果：
```
`64 * 32 * 32 == 65536     # True`
```

与 NumPy 的比较

它类似于 NumPy 中的 flatten() 函数。这是一个小例子：

In [1]: import numpy as np

In [2]: A = np.random.randint(low=0, high=10, size=(3, 3))

In [3]: A
Out[3]: 
array([[9, 6, 5],
       [3, 4, 6],
       [6, 7, 9]])

现在执行展平动作：

In [4]: A.flatten()
Out[4]: array([9, 6, 5, 3, 4, 6, 6, 7, 9])

所以我们可以看到矩阵（也就是 rank-2 张量）已经被展平，这里是逐行的。

【讨论】：