저는 10 개의 입력을 넣을 수있는 신경망이 필요합니다. 처음 9 개는 단순한 숫자이고 마지막 하나는 행렬 (15x15)입니다. 내 출력은 마지막 3 자리 숫자가됩니다. 행렬을 벡터로 변형시키지 않고 그것을 수행하는 방법은 무엇입니까? 내가 벡터로 변형 시키면 내가 내 숫자의 위치를 잃을 까? 그렇지 않으면? 대단히 감사합니다.신경망의 입력은 행렬입니다
0
A
답변
1
매트릭스를 변환하는 숫자의 위치가 손실 될 왜 아무 이유도 없다. 당신은 예를 들면의이 같은 순서를 사용하여, 특정 순서로 벡터를 얻을 다음 NumPy와의 모양 변경을 사용하여 매트릭스로 다시 변환 평평 NumPy와 사용할 수 있습니다
In:
array([[1,2], [3, 4], [5, 6]]).flatten('F').reshape((3, 2), order='F')
Out:
array([[1, 2],
[3, 4],
[5, 6]])
1
벡터화 데이터가 거의 성능을 상처를하지 않습니다. 그러나 문제의 모델도 있습니다. https://www.mii.lt/informatica/pdf/INFO720.pdf
이 모델은 순수하게 매트릭스 값 입력을 허용합니다. 추가 벡터 값 입력 (예 : w'x + u'Xv
, x
은 9 벡터, 15x15 X
은 행렬)을 추가하여 쉽게 수정할 수 있습니다.
관련 문제
- 1. 신경망의 정밀도
- 2. Swift - CGAffineTransformInvert : 단일 행렬입니다. UITextView 및 iAd
- 3. HTML5 입력은
- 4. 신경망의 학습 오류 피팅
- 5. 신경망의 목표 값
- 6. 신경망의 분할 오류
- 7. 신경망의 장점과 단점
- 8. Matlab 신경망의 문자 인식
- 9. theano - 신경망의 출력을 평가하십시오.
- 10. Tensorflow 신경망의 기능 표현
- 11. 길쌈 신경망의 깊이 해석
- 12. 인공 신경망의 정규화
- 13. 회선 신경망의 필터 시각화
- 14. 신경망의 숨겨진 레이어 설계
- 15. 신경망의 오차 차이 계산
- 16. 신경망의 표본 크기
- 17. 자세 추정에서 인공 신경망의 적합성
- 18. 컨볼 루션 신경망의 계층 식별
- 19. OCR과 인공 신경망의 관계는 무엇입니까?
- 20. 컨벌루션 신경망의 올바른 아키텍처는 무엇입니까?
- 21. 컨볼 루션 신경망의 레이어 수
- 22. 훈련 데이터에 신경망의 반응이 보장됩니까?
- 23. 컨볼 루션 신경망의 비용 함수
- 24. tensorflow를 사용한 신경망의 가중치 내보내기
- 25. 신경망의 노드 (에이전트)를 C#
- 26. Assert 사용자 입력은 대문자입니다.
- 27. 버퍼링 문자 입력은
- 28. 입력은 숫자 형식이어야합니다. 체크
- 29. 확인 입력은 다음과 시작은
- 30. 제한 최대 문자 입력은