Формат добавления скрытых слоев в Keras.

Question

Я написал код нейронной сети и хочу добавить в него скрытые слои.У меня есть доступ к этой небольшой части кода:

trainX, trainY = create_dataset(train, look_back)
testX, testY = create_dataset(test, look_back)

trainX = numpy.reshape(trainX, (trainX.shape[0], 1, trainX.shape[1]))
testX = numpy.reshape(testX, (testX.shape[0], 1, testX.shape[1]))

model = Sequential()
model.add(LSTM(4, input_shape=(1, look_back)))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(trainX, trainY, epochs=100, batch_size=1, verbose=2)

trainPredict = model.predict(trainX)
testPredict = model.predict(testX)

Можно ли добавить к ней скрытые слои с таким большим количеством информации?Кроме того, этот код отлично работает в Python3.

Было бы здорово помочь.Спасибо.

Answer 1

Упомянутый код является полной реализацией основной части ML.

Здесь вы создали модель,
model = Sequential()

Это входной слой,
model.add(LSTM(4, input_shape=(1, look_back)))

Это выходной слой
model.add(Dense(1))

Составление модели
model.compile(loss='mean_squared_error', optimizer='adam')

Обучение модели
model.fit(trainX, trainY, epochs=100, batch_size=1, verbose=2)

Любойслой, добавленный между входным и выходным слоями, называется скрытым слоем, его можно легко добавить, и ваш окончательный код будет выглядеть следующим образом:

trainX, trainY = create_dataset(train, look_back)
testX, testY = create_dataset(test, look_back)

trainX = numpy.reshape(trainX, (trainX.shape[0], 1, trainX.shape[1]))
testX = numpy.reshape(testX, (testX.shape[0], 1, testX.shape[1]))

model = Sequential()
model.add(LSTM(4, input_shape=(1, look_back)))
model.add(Dense(4)) # New hidden layer with 4 params
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(trainX, trainY, epochs=100, batch_size=1, verbose=2)

trainPredict = model.predict(trainX)
testPredict = model.predict(testX)