首页 文章

Keras输入形状错误

提问于
浏览 次
2

我是Keras的新手，我正在努力创建一个需要在纸牌游戏中学习的网络 . 它需要93个二进制输入，其中隐藏层有40个神经元，单个输出神经元计算得分（从0到25） .

model = Sequential()
model.add(Dense(input_dim=93, units=40, activation="sigmoid"))
model.add(Dense(units=2, activation="linear"))
sgd = optimizers.SGD(lr=0.01, clipvalue=0.5)
model.compile(loss="mse", optimizer=sgd, learning_rate=0.01)

我首先尝试计算93个输入（进行前向传播）

这是“s.toInputs（）”

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

model.predict(np.array(s.toInputs())

但我得到错误

ValueError：检查时出错：期望的dense_1_input具有形状（无，93）但是具有形状的数组（93,1）

如何传递正确的参数？

python numpy tensorflow neural-network keras

3 回答

  • 1

    实际上 s.toInputs() 应该是这样的

    [[0,0,0，etc ......]，[0,1,0等...]]

    基本上你必须有一个具有以下形状的数组：（ n_batches ， n_attributes ）

    你有93个属性，所以如果你使用tensorflow，这应该可以做到

    np.array(s.toInputs()).reshape(-1, 93)

    Fully working example

    model = Sequential()
model.add(Dense(input_dim=93, units=40, activation="sigmoid"))
model.add(Dense(units=2, activation="linear"))
sgd = optimizers.SGD(lr=0.01, clipvalue=0.5)
model.compile(loss="mse", optimizer=sgd, learning_rate=0.01)

# random data
n_batches = 10
data = np.random.randint(0,2,93*n_batches)
data = data.reshape(-1,93)

model.predict(data)
    回复于
  • -1

    错误消息告诉您，您的数据需要具有 (None, 93) 形状（ None 此处表示此维度可以具有任意值 . 这是您的样本数量）

    但是您的输入数据的形状为 (93,1) . 请注意，尺寸相反 . 您可以使用转置来使数据处于正确的形状：

    model.predict(np.array(s.toInputs()).T)
    回复于
  • 1

    重塑的事情运作良好 . 将数组重塑为（batch_size，your_input_dimensions）

    np.reshape（batch_size，input_dimesions）

    回复于

相关问题