Kerasはどのように入力データを読み込みますか？

Question

私はプロジェクトのためにKerasを使用していますが、私はKerasが入力されたデータをどのように使用するかを理解していない、それが第一の層を作成するときにKerasが私たちの入力データを読み込む方法と言うことです。例えば

：

1. モデル=シーケンシャル（）
2. model.add（高密度（10、活性化= 'シグモイド'、input_dim = 3、名前= 'レイヤ1'））

このモデルでは、10個のニューロンと3次元の入力を持つことは何を意味しますか？入力データに100の例（行列データの行数）がある場合、Kerasはそれらをどのように使用しますか？

ありがとうございます。

Answer 1

input_dim=3は、あなたのデータは、最終的な結果などを決定するために使用される3機能を有することを意味します。どの動物のデータが参照されているかを判断したい場合は、データとして幅、高さ、色を設定できます。

さまざまな動物の幅、高さ、色の組み合わせにより、ニューラルネットワークはその幅、高さ、色がどのような動物を指しているかを学習することができます。 Kerasはニューロンのランダムウェイトから始まり、ネットワークウェイトを調整するために提供されたサンプルを使用して1回ずつ100回進みます。 Kerasは実際にバッチを使用しています。これは、学習率と一般的なパフォーマンスを向上させるために、100個のサンプルを小さなグループに分けて（メモリに一度に格納するデータを少なくする）ことを意味します。

10 neuronsは、ネットワークがニューロンの重みと入力データとの間で乗算結果を格納することができる10の場所である。あなたは、データがいくつかの有用なデータ機能を示すかどうかに応じて、少し明るくまたは暗く点灯する電球としてニューロンを想像することができます。動物が3メートル以上の高さであれば。各ニューロンには独自の重みのセットがあり、ネットワークがデータから次のサンプルを調べるときにわずかに変更されます。最後に、あなたのデータのさまざまな機能の存在に応じて多かれ少なかれ反応する10個のニューロン（電球）が必要です。動物が非常に背の高い場合。

より多くのニューロンがあなたが例えば追跡することができ、より可能な特徴を持っています。動物が背が高い、毛むくじゃらした、オレンジ色の、スポッティングされたものなどであるなら、あなたが持っているニューロンが多いほど、あなたのネットワークがあまりにも正確であり、トレーニングの例題あなたの訓練データに含まれていない動物サンプルを認識するのに役立ちます（一般化する能力と呼ばれ、実際にニューラルネットワークを訓練する最も重要なポイントです）。ニューロンの数を選択することは、あなたのニーズに合ったものを探す実践的なエクササイズです。

私はそれがあなたの疑問を明確に願っています。あなたがこの分野でもっと深く知りたいのであれば、機能、ニューロン、学習など、ニューラルネットワークのトレーニングプロセスを詳細に説明している多くのオンラインリソースがあります。

Answer 2

input_dim=3は、それぞれ入力データが3次元であることを意味します。あなたの場合、100個の例を持つ入力データの形状は(100,3)でなければなりません。あなたのモデルをコンパイルするときに、サンプルの数は実際には関係ありません。しかし、各入力データの次元が、最初のDenseレイヤーで設定したinput_dimと一致するようにする必要があります。

短い例：

model = Sequential() 
model.add(Dense(10, input_dim=3, activation='sigmoid')) 
model.add(Dense(1, activation='sigmoid')) 
model.compile(loss='binary_crossentropy', optimizer='adamax') 

model.fit(xTrain, yTrain, epochs=50, batch_size=10)