简单前馈网络中的扁平化

Question

我正在处理CIFAR10数据集，并在Keras中遇到了这个示例，使用了数据增强：

https://keras.io/examples/cifar10_cnn/

这个例子使用了CNN。我只想实现一个简单的前馈网络，而不是CNN。因此，为了让我的简单模型“工作”，我必须在输出层之前添加"model.Flatten()“，以便保持数据形状的一致性。

但是，我看到只在CNN中使用Flatten()。

我相信它可以在简单的前馈网络中使用，但我是否遗漏了什么？

下面是我想在keras示例中使用的模型代码。

model = Sequential()
model.add(Dense(layer_size, input_shape=x_train.shape[1:], activation = "relu")
model.add(Dense(128, activation = "relu"))      
model.add(Dense(64, activation = "relu"))
model.add(Flatten())
model.add(Dense(10, activation = "softmax"))
model.summary()

谢谢

Answer 1

你应该Flatten你的输入：

model = Sequential()
model.add(Flatten(input_shape=x_train.shape[1:]))
model.add(Dense(layer_size,activation = "relu")
model.add(Dense(128, activation = "relu"))      
model.add(Dense(64, activation = "relu"))
model.add(Dense(10, activation = "softmax"))
model.summary()

Flatten将n维张量展平为1维张量。例如，2x2灰度图像变为1个维度：

[[255, 127   ],
 [154,   123]]

变成了

[255, 127, 154, 123]

这样，您的输入彩色图像(3维，[width, height, channels])也将变为1维，并适合Dense层。