如何为 2D 输入和输出创建深度学习模型?

Question

我正在做一个关于深度学习的项目。我有一个形状为 (101,3( 的数组和形状为 (101,3( 的输出。这意味着输入数据中的每一行都与输出数据中的同一行相关。我的目的是创建一个深度学习模型来编辑我的数据集。我做了一些研究，我发现了一些关于它的例子。其中之一在此链接。据我所知，我需要一个多对多模型，但我不知道如何创建它。请问你能帮我吗？我如何创建此模型，或者是否有任何资源可以建议。

Answer 1

您可以使用这样的东西，您可能需要根据网络性能进行更改，

from tensorflow.keras.layers import RepeatVector, TimeDistributed, Dense, LSTM
from tensorflow.keras.models import *
model = Sequential()
# encoder layer
model.add(LSTM(100, activation='relu', return_sequences= True, input_shape=(101, 3)))
# decoder layer
model.add(LSTM(100, activation='relu', return_sequences=True))
model.add(TimeDistributed(Dense(3)))
model.compile(optimizer='adam', loss='mse')
print(model.summary())

Answer 2

你可以按如下方式使用一些东西。请从本教程开始您的旅程。您可以删除下面的一些图层或添加更多图层，看看结果如何变化。

model = tf.keras.models.Sequential([
tf.keras.layers.Dense(128, activation='relu',input_shape=(3,)),
tf.keras.layers.Dense(64, activation='relu'),
tf.keras.layers.Dense(32, activation='relu'),
tf.keras.layers.Dense(3)
])

模型架构如下

Model: "sequential_3"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_6 (Dense)              (None, 128)               512       
_________________________________________________________________
dense_7 (Dense)              (None, 64)                8256      
_________________________________________________________________
dense_8 (Dense)              (None, 32)                2080      
_________________________________________________________________
dense_9 (Dense)              (None, 3)                 99        
=================================================================
Total params: 10,947
Trainable params: 10,947
Non-trainable params: 0
_________________________________________________________________