Как сгущать и преобразовывать набор данных [3751,4] в набор данных [1,6] во время тренировки в Tensorflow

Question

Я тренирую модель с формой объекта [3751,4], и я хотел бы использовать функцию изменения формы и плотного слоя, встроенную в Tensorflow, чтобы придать выходным меткам форму [1,6].

Теперь у меня есть два скрытых слоя в моей модели, которые будут делать что-то вроде:

input_layer = tf.reshape(features["x"], [-1,11,11,31,4])
first_hidden_layer = tf.layers.dense(input_layer, 4, activation=tf.nn.relu)
second_hidden_layer = tf.layers.dense(first_hidden_layer, 5, activation=tf.nn.relu)
output_layer = tf.layers.dense(second_hidden_layer, 6)

Так что теперь я могу иметь форму output_layer [?,11,11,31,6].

Как мне дополнительно сформировать наборы обучающих узлов, чтобы они могли со временем соединить узлы с формой [1,6]?

Answer 1

Форма [3751, 4] не может быть изменен в [-1,11,11,31,4] непосредственно с 3751*4 = 15004 не делится равномерно 11*11*31*4 = 14964,

---

РЕДАКТИРОВАТЬ после комментария от ОП

Вы можете выровнять свой набор данных и использовать его в качестве одного примера. Увидеть ниже

При условии, что tf.shape(input_feat)==[3751, 4]:

input_layer = tf.reshape(input_feat, [1,-1])
first_hidden_layer = tf.layers.dense(input_layer, 4, activation=tf.nn.relu)
second_hidden_layer = tf.layers.dense(first_hidden_layer, 5, activation=tf.nn.relu)
output_layer = tf.layers.dense(second_hidden_layer, 6)

---

Оригинальный ответ

Если не изменять входные функции в начале сети, все будет работать нормально и даст аналогичные результаты, поскольку вы используете плотные слои. Разница лишь в том, что веса в слое будут смещать позиции, но это не повлияет на ваши результаты.

Если мы предположим, tf.shape(input_feat) == [3751, 4], следующий фрагмент кода должен работать нормально

input_layer = tf.identity(input_feat)
first_hidden_layer = tf.layers.dense(input_layer, 4, activation=tf.nn.relu)
second_hidden_layer = tf.layers.dense(first_hidden_layer, 5, activation=tf.nn.relu)
output_layer = tf.layers.dense(second_hidden_layer, 6)