首页 文章

Keras：使用数组作为输入进行训练

提问于
浏览 次
4

我对机器学习很陌生，最近我开始学习如何使用库Keras在Python上实现基本的神经网络 .

我从一个基本的例子开始（训练网络，以便它可以预测值y = f（x）= x） .

model = Sequential()
model.add(Dense(10, input_dim=1, activation='relu'))
model.add(Dense(10, activation='relu'))
model.add(Dense(10, activation='relu'))
model.add(Dense(1))
model.compile(loss='mse', optimizer='adam')
data = np.array([x for x in range(0,1000)])

for i in range(0, 1000):
   model.fit([np.array([data[i]]), np.array([data[i]]), nb_epoch=1, batch_size=1, verbose=0)

我现在想应用一个类似的算法训练网络，所以从整数列表L，它将返回我的函数f的三个值的列表（基本上：[f（L，0），f（L，1） ，f（L，2）]） . 所以这次输入是一个包含5个整数的数组，所需的返回输出是3个浮点数的列表 .

但是，我没有设法在for循环中正确编码fit方法，我得到一条错误消息：“预计会看到1个数组，而是得到以下2个数组的列表：......” . 我尝试使用Dense构造函数的一些参数（input_dim，input_shape，input_size），但我似乎仍然无法使它工作...

所以基本上，有没有人知道如何正确实现一个网络，将一个数组作为输入并返回一个不同长度的数组？

非常感谢您的帮助和支持，

  • smgr
python machine-learning neural-network keras

1 回答

  • 1

    如果您的最终输出有3个维度，则最后一个 Dense 图层必须包含3列 .

    你这样做

    model.add(Dense(3))

    如果您的输入有5个维度，则您的第一个密集矩阵将有5行 .

    这是通过 first Dense图层中的 input_dim 参数完成的 .

    model.add(Dense(10, input_dim=2, activation='relu'))

    您现在可以看到，第一个密集层矩阵是2行×10列矩阵 . 由于下一个矩阵必须有10行（因此尺寸将匹配），因此在下一层中您只需定义列数 . 因此，您将单个维度参数传递给每个后续层 .

    由于这是一个回归问题，使用'mse'作为损失应该有效（正如您正确选择的那样） .

    在这种情况下，您的数据集应该是两个矩阵：

    • 带输入样本的输入矩阵（每个属性一列，因此5列） . N乘5矩阵

    • 带输出样本的输出矩阵（每个属性一列，因此3列） . N乘3矩阵

    在这两种情况下，您应该具有相同的行数：样本总数N.

    回复于

相关问题