1樓：我是遊客使用者
我又把我的問題整理了一下，找到了一些規律但是不知道為什麼。
乙個模型：CNN，用於處理一維資料
13000條20個特徵的資料集（13000*20）：
inputshape（20,1），
使用conv1d，MaxPooling1D模型結構如下：（中間重複部分省略）
為減少干擾項，我把pool都去掉了，只試卷積層引數。在設定層數和卷積步長（kernel_size）時，conv卷積層超過20層（我知道層數太多效果不一定好，但是驗證過程中出現這個問題我想搞懂）：
報錯Negative dimension size caused by subtracting 2 from 1 for 'conv1d_21/convolution/Conv2D' (op: 'Conv2D') with input shapes: [?
,1,1,16], [1,2,16,16].
並發現如下規律：（層數是指卷積層數，數字是指kernel_size值）
和20幾沾邊的我只能想到維數（我的資料集是20維的），但是按理說卷積不損失維數，所以不懂為什麼有限制。
2樓：劉冬煜
1. 完全可以用迴圈新增，最好可以把各層寫成class，比如用Layer_Base作為基類，保留啟用、求導、存檔、讀盤等等各界面的虛函式，然後不同層級（卷積層、池化層、啟用層、全連線層等等）繼承這個基類，實現虛函式。在CNN類裡面用乙個vector存所有層就可以。
2. 卷積核數量一般根據經驗和個人習慣新增，往往習慣用2的整冪。如果效果不好，可以考慮修改網路結構。
3. 沒看明白你啥意思。
4. 同3。能把你MaxPool和Conv2D兩個函式的實現發一下嗎？
貪心學院 深度學習是很多模型的疊加，這種深度模型跟淺層模型相比有什麼優勢呢？
Hanamaki 有一種說法 在自然語言領域，淺層模型解析的是語法結構，深層模型解析的是語義結構，例如 我愛北京和北京愛我 從語法上來說兩個都是對的，都是主謂賓，但是從意義上來說，第二句不對因為北京是個地點無法有愛這種動作。語義建模 或語義語法 通常與語言建模 或語言語法 相比較，我們現在從二者的定...
深度學習模型有哪些優秀的組合應用？
星辰大海 殘差網路 Squeeze and Excitation Network SENet 軟閾值化 深度殘差收縮網路。首先，殘差網路 又稱深度殘差網路 深度殘差學習 是一種卷積神經網路。相較於普通的卷積神經網路，殘差網路採用了跨層恒等路徑，以減輕卷積神經網路的訓練難度。殘差網路的一種基本模組如圖...
深度學習獲得模型，一般都是過擬合的 但在深度學習中，過擬合不是貶義的 why
勤而勉之 你這問題內容有問題。對於一般的深度學習問題，我們希望時的loss能夠越小越好。但是由於資料中包含有雜訊，所以不能夠完全擬合，否則就會使得學到的模型不能很好的用於測試集。但是對於一些特殊資料，資料中不包含雜訊，比如從微分方程中獲取到的資料，這個時候可以想辦法讓訓練loss降低至0 1 這時沒...