一、shape/input_shape
shape:
在keras中，資料是以張量的形式表示的，張量的形狀稱之為shape，表示從最外層向量逐步到達最底層向量的降維解包過程。比如，乙個一階的張量[1,2,3]的shape是(3,)； 乙個二階的張量[[1,2,3],[4,5,6]]的shape是(2,3);乙個三階的張量[[[1],[2],[3]],[[4],[5],[6]]]的shape是(2,3,1)。
input_shape:
就是指 輸入張量的shape，例如input_dim= 64，說明說入的是乙個64維向量，相當於乙個一階張量，它的shape是（64,）
input_shape =(64,)
input_dim = input_shape(input_dim,)
input_dim, input_length = input_shape(input_length, input_dim)
對keras函式中mask的個人理解
由於keras中許多網路並不支援mask，但最近本菜需要在自己的網路中實現mask，如果想讓keras中的自定義函式支援mask，就必須要實現comput mask方法，因為在官方的文件中我並沒有找到想要的東西，因此只能通過看原始碼的方式來學習，下面這一段就是keras中masking層的原始碼 c...
keras中的目標函式和優化函式
目標函式就是我們常說的損失函式，優化函式就是我們常說的反調引數的函式，包括 梯度下降函式 隨機梯度下降函式等。目標函式 keras文件 詳細請參照theano的官方文件，優化函式 keras文件 下面是乙個自定義的優化器的乙個demo model sequential model.add dense...
pytorch和keras損失函式區別
學習pytorch首先是要裝pytorch啦！但是這是乙個磨人的小妖精，傳統的用pip可是裝不上的。為此，可以參考我的另一篇部落格，這可是我研究一天的結晶！這篇筆記是 關於機器學習損失函式的，根據不同的應用場景，需要選擇不同的損失函式。線性回歸因為 的數值有具體的意義，所以損失函式一般使用的均方誤差...