Je suis la formation d'un modèle qui prend deux 300d vecteurs de mot comme entrée. Je prévoyais à l'origine de fournir un vecteur 600d comme données d'entrée.Keras/Machine Learning: Tous les avantages et les inconvénients d'aplatissement des données d'entrée vs ayant une entrée de dimension supérieure?
Cependant, j'ai remarqué sur la page de jeux de données Keras: http://keras.io/datasets/
Ils utilisent des données d'entrée de dimensions supérieures au lieu d'aplatir l'entrée. Par exemple, ils représentent une image avec des dimensions RBG 32x32: (3, 32, 32)
dois-je faire une entrée (2.300) ou une entrée (1600)? Est-ce que ça importe?