ケファでシファールを使って1層のニューラルネットを訓練するにはどうすればよいですか？

Question

私はcifarデータセットとkerasフレームワークを使って単層のニューラルネットワークを訓練したがっていました。データセットの各画像は32×32×3であるため、畳み込みのない単一のレイヤードネットワークを使用して画像をどのように処理するかについてはあまりよく分かりませんでした。私は、各画像を平らにして、形状がN by 32*32*3のデータセットを持つことが正しいことだと思います。

model.add(Dense(units_single_layer, input_shape=(32*32*3,))) 
model.add(Activation('relu')) 
model.add(Dense(nb_classes)) 
model.add(Activation('softmax')) 

コードは罰金とすべてコンパイルしているようだ：

#Flatten 
X_train = X_train.reshape((X_train.shape[0],32*32*3)) 
X_test = X_test.reshape((X_test.shape[0],32*32*3)) 

が、私はちょうど入力次元にマッチした単層のネットワークを作った。したがって、私は次のようでした。したがって、これは畳み込みのない画像データセットで単一層のニューラルネットワークを訓練する正しい方法ですか？私は、イメージが3Dのテンソルですが、単層のネットはその形状にかかわらず1Dのベクトルとして扱うということです。右？

また、Kerasがflatten()機能を提供して以来、効率やその他の理由により使用するのが好ましい方法であるかどうかは不明でした。しかし、私はそれを実現することができませんでした。

また、これは言うまでもないが、softmax層は実際に別の層としてカウントされない。右？ I は、それが単層であることをしたい。

---

全体コード：

from __future__ import print_function 
from keras.datasets import cifar10 
from keras.preprocessing.image import ImageDataGenerator 
from keras.models import Sequential 
from keras.layers import Dense, Dropout, Activation, Flatten 
from keras.layers import Convolution2D, MaxPooling2D 
from keras.utils import np_utils 

batch_size = 32 
nb_classes = 10 
units_single_layer = 100 
nb_epoch = 200 
data_augmentation = False 

# input image dimensions 
img_rows, img_cols = 32, 32 
# The CIFAR10 images are RGB. 
img_channels = 3 
# The data, shuffled and split between train and test sets: 
(X_train, y_train), (X_test, y_test) = cifar10.load_data() 
#Flatten 
X_train = X_train.reshape((X_train.shape[0],32*32*3)) 
X_test = X_test.reshape((X_test.shape[0],32*32*3)) 

# Convert class vectors to binary class matrices. 
Y_train = np_utils.to_categorical(y_train, nb_classes) 
Y_test = np_utils.to_categorical(y_test, nb_classes) 

model = Sequential() 

#model.add(Flatten(input_shape=32*32*3)) 
#model.add(Flatten()) 
#model.add(Flatten(100, input_shape=(32*32*3,))) 
model.add(Dense(units_single_layer, input_shape=(32*32*3,))) 
model.add(Activation('relu')) 
model.add(Dense(nb_classes)) 
model.add(Activation('softmax')) 

# Let's train the model using RMSprop 
model.compile(loss='categorical_crossentropy', 
       optimizer='rmsprop', 
       metrics=['accuracy']) 

X_train = X_train.astype('float32') 
X_test = X_test.astype('float32') 
X_train /= 255 
X_test /= 255 

print('Not using data augmentation.') 
model.fit(X_train, Y_train, 
      batch_size=batch_size, 
      nb_epoch=nb_epoch, 
      validation_data=(X_test, Y_test), 
      shuffle=True) 

Answer 1

あなたは右のすべてをやっている、これはあなたが唯一の緻密層をしたい場合の方法です。 1Dテンソルしか受け入れないので、あなたはうまく形を変えました。

softmaxは、トレーニングするウェイトやパラメータがないため、レイヤと見なされません。

ちょっと好奇心から、なぜ入力にreluを使用しますか？彼らはすでに0と1の間にあるはずですか？