機械学習の入力データのshapeについて

Question

初歩的な話ですが、
機械学習のサンプルコードを見ていると、入力するのデータのshapeが、
例えば画像Xとそれに対応するYなら
X.shape = (128, 28,28,1)
Y.shape = (128,1)
のように、末尾の列の部分に「1」が入っているものが多く見受けられますが、
これは何か意味があるのでしょうか？
必ずしもこうなっているわけでは無さそうなので、特に意味はない？？

個人的には
X.shape = (128,28,28)
Y.shape = (128,)
でもいいのではないかと思うのですが。。
初心者なものでお手柔らかにお願いします。

Answer 1

これは何か意味があるのでしょうか？

ライブラリの関数が受け取る引数が4次元配列と規定されている場合、それに次元数をあわせる必要があります。

例えば、2次元の CNN は入力は (バッチサイズ, 高さ, 幅, チャンネル数) の4次元配列と決まっているので、サンプルの形状がグレースケール画像でチャンネル数が1で (128, 28, 28) だったとしても (128, 28,28,1) と形状を変更してから関数にわたす必要があります。

Comments

[ryoya0127]

なるほど、関数によって次元数が決まっているものもあるのですね！
どうもありがとうございます！