comment encadrer le modèle pour l'apprentissage en profondeur avec des vecteurs comme entrée?

Question

Comment puis-je créer un modèle d'apprentissage en profondeur pour la classification multiclasse, si mon ensemble de caractéristiques contient 5 vecteurs de longueur 8 chacun? jeu de fonctionnalités ressemble à ceci FEATURES = [[0,34, 0,67, 0,87, ..] [0,67, 0,87, 0,88 ....] [] [] [], ....]

model = Sequential() 
model.add(Dense(8, input_dim=40, activation='relu')) 
model.add(Dense(33, activation='softmax')) 
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) 

Answer 1

Juste aplatissent vos données avec tf.contrib.layers.flatten, et vous avez 40 fonctionnalités en 1D, c'est tout. Cependant, s'il y a quelque chose de vraiment spécifique à propos de cet arrangement 2D, vous pourriez envisager des circonvolutions pour exploiter ce fait.