科普: 人工神经网络 VS 生物神经网络-Keras 快速搭建神经网络 (莫烦 Python 教程)

热门回复：

• 就是一个傻猪:莫烦，教我们写sci吧！开讲座吧
• 1265961798:我想看莫烦出一个自然语言处理方面的视频
• 薛定谔的萌猫:P11：CNN卷积神经网络 里面有一个失之毫厘，谬以千里的小错误 @莫烦Python： input_shape是(1, 28, 28)，但是keras的Conv2D层，默认的RGB通道是在最后一维的，也就是(28, 28, n)。 因此在视频里的数据输入是不对的，相当于把其中一个28当成了28个颜色通道，然后输入是1*28的一条图片。至于为什么还是有那么高的准确率，我觉得其一是CNN的机制是会把不同通道求和处理的，因此还是能获得特征信息，其次就是深度学习炼金术的神奇了[微笑]。 正确的写法应该是：在Conv2D层添加参数：data_format="channels_first" 或者把图片reshape成(-1, 28, 28, 1)，因为根据keras文档 https://keras.io/layers/convolutional/，Conv2D层默认的输入是channels_last，也就是(28, 28, 1)这样的格式。 另注： 补充一下是怎么发现这个错误的，在train模型之前，看一下model.summary()中的维度，发现是： _________________________________________________________________ Layer (type) Output Shape Param # conv2d_29 (Conv2D) (None, 1, 28, 32) 22432 _________________________________________________________________ activation_43 (Activation) (None, 1, 28, 32) 0 _________________________________________________________________ max_pooling2d_24 (MaxPooling (None, 1, 14, 32) 0 ... ... 正常情况下，MaxPooling会把图片的长宽都缩小，没有理由出现(None, 1, 28, 32), (None, 1, 14, **)这样的维度，因此可以认为计算机把那个1维度当成了图片的维度，而非颜色通道的维度。因此是错误的。
• 乒乒乓乓66:https://github.com/MorvanZhou/tutorials/tree/master/kerasTUT 代码在这里
• TrashSir:morvan大佬，keras版本更新了么？还是因为我的backend是采用的tensorflow？怎么定义的好多参数名都不一样啊，SimpleRNN那里完全没看懂参数名怎么对应的