将标量建模为二进制矢量张量流形状

Question

我正在做一个神经科学实验，我正在研究刺激产物对，并正在Tensorflow中为它们之间的映射建模。我在理解形状时遇到问题。

我希望训练一个网络，将标量和二进制矢量映射在一起。

标量集：映射到：二进制矢量集

[1,2,3] -> [[1,0,1], [0,1,0], [1,1,0]]

在此示例中，存在3对刺激产品，二进制输出宽度为3。

当前，我的模型有1个输入神经元和3个输出神经元来反映这一点。当我预测一个刺激-产品对时，我想在某个索引处用标量加载1个输入神经元，并从3个输出神经元中获取相应的二进制矢量，每个输出神经元中获取1位。训练集是这些映射的集合。

我当前的模型是：

model = Sequential()
model.add(Dense(1, input_dim=1, activation='relu'))
model.add(Dense(8, activation='relu'))
model.add(Dense(3, activation='sigmoid'))

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

训练数据如下：

Scalar set: 
[1 2 3]
Binary Vector set:
[[1 0 1]
 [0 1 0]
 [1 0 0]]

当我预测给定的一组权重时，我会得到这种形状的数据：

model.predict_classes(inputs) where inputs = [1,2,3]

Output = [0 1 0]

当我期望输出数据是二维的以表示原始张量中的二进制值时：

[[1 0 1]
 [0 0 1]
 [1 1 0]]

我如何塑造模型以进行训练并输出此2d形状？我是否使用正确的输出激活功能来针对二进制进行训练？

Answer 1

尝试将input_dim=1更改为input_shape=()。这给你什么？