我有一个包含3D固定长度段的数据集，形状为(1,200,4)，我想将其输入到一个具有全连接层的自编码器中，类似于以下结构：

 encoderautoencoder.add(Dense(200, input_shape=(self.input_dim,), activation='relu'))  autoencoder.add(Dense(100, input_shape=(self.input_dim,), activation='relu'))  autoencoder.add(Dense(80, input_shape=(self.input_dim,), activation='linear'))  autoencoder.add(Dense(encoding_dim, input_shape=(self.input_dim,), activation='linear'))         #decoderautoencoder.add(Dense(80, activation='linear')) autoencoder.add(Dense(100, activation='relu')) autoencoder.add(Dense(200, activation='relu'))  autoencoder.add(Dense(self.input_dim, activation='linear'))

我知道在输入到这个网络之前需要展平输入，我应该在编码器的第一个Dense()层之前添加一个Flatten()层。

我不确定的是，如何在解码器部分将输入重构回其原始形状(1,200,4)。

如果这有帮助的话，输入是由固定长度段组成的numpy-ndarray，例如：

print(train_x.shape)(140508, 1, 200, 4)

例如，假设输入是这样的：

X = np.random.randn(3400, 1, 200, 4)X.shape(3400, 1, 200, 4)

我如何在编码器中对这个输入应用展平层，然后在解码器中重构它，以实现类似于上述的全连接自编码器？

对此有何建议？

回答：

这里有一个可能的解决方案… 你只需在最后注意维度，并进行适当的重塑操作

encoding_dim = 20input_shape = (1,200,4)n_sample = 100X = np.random.uniform(0,1, (n_sample,) + input_shape)autoencoder = Sequential()autoencoder.add(Flatten(input_shape=input_shape))autoencoder.add(Dense(200, activation='relu'))  autoencoder.add(Dense(100, activation='relu'))  autoencoder.add(Dense(80, activation='relu'))  autoencoder.add(Dense(encoding_dim, activation='relu'))         #decoderautoencoder.add(Dense(80, activation='relu')) autoencoder.add(Dense(100, activation='relu')) autoencoder.add(Dense(200, activation='relu'))  autoencoder.add(Dense(np.prod(input_shape), activation='linear'))autoencoder.add(Reshape(input_shape))print(autoencoder.summary())autoencoder.compile('adam', 'mse')autoencoder.fit(X,X, epochs=3)