使用keras的深度学习中不兼容的input_shape

Question

我将使用IMDB电影评论数据集开始我的深度学习之旅。我不确定如何加载训练数据和指定input_shape。

(train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000)

如果我理解正确的话，有25000条来自不同电影的评论，单词被编码为整数列表。

train_data.shape
(25000,)

1. 由于每个评审都有不同的长度，如何将这些数据存储在矩阵中(即25000行，但列的长度不同(？

   model = models.Sequential()

   model.add(layers.Dense(16, activation='relu', input_shape=(10000,)))

   model.add(layers.Dense(16, activation='relu', input_shape=(16,)))

   model.add(layers.Dense(1, activation='sigmoid', input_shape=(16,)))

2. 在使用一个热编码将输入重塑为(25000001000(后，为什么input_shape的第一个参数不是25000(样本数(而不是10000，因为密集层将根据relu(dot(w, inputs) + b)计算输出==>(25000，10000(点(10000，16(=(25000，16(为什么我们不像Tensorflow核心中那样将input_shape指定为[None，10000]？

Answer 1

您可以使用keras pad_sequence 进行填充

data = pad_sequences(data, maxlen=max_length, padding='post')

我建议你使用嵌入层也

model = Sequential()
model.add(Embedding(num_words, 32, input_length=maxlen))