Keras是否构建了具有错误神经元数量的模型？

Question

我是Keras的新手。我创建了我的模型以与Fashion MNIST一起工作

这是我的模型：

model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(1),
keras.layers.Dense(1),
keras.layers.Dense(10, activation=tf.nn.softmax)])

model.compile(optimizer= 'sgd', 
          loss='sparse_categorical_crossentropy',
          metrics=['acc'])

据我所知，这段代码应该构建这个模型

Flattener 28x28至1x784

密集的1个神经元= 1x784 | out = 1x1

密集的1个神经元= 1x1 | out = 1x10

密集的1个神经元= 1x10 | out = 1x10（10课）

问题是该模型在60k例子上给出了50％的准确率。它不可能是真的吗？这1个神经元层和1个权重无法提供信息来很好地对图像进行分类。

它的任何一个Keras只是忽略我的价值观并插入神经元，或者我不明白模型的构建方式。

感谢帮助

Answer 1

第一层有784个权重，第二层有1个，第三层有10个。这总共有795个权重。

虽然它不是一个很好的网络设计，因为你在第二层丢失了很多信息，但单个权重可以包含相当多的数据。

可以这样想，如果你构建一个有2层的网络：输入和输出。输出的值如果在0-0.1之间，你给它一个标签类1 0.1-0.2 - > class 2，依此类推。您应该能够获得与您的网络类似的结果。

顺便说一句50％正确的分类对于mnist来说真的很糟糕。我通常得到99％左右