Keras 简单前馈网络输入形状错误

Question

我正在尝试在 Keras 中训练一个非常简单的前馈网络。我想给网络 1800 个号码，并让它激活 6 个输出中的 1 个。我的模型设置如下：model = keras.Sequential([    keras.layers.Dense(256, input_dim = 1800, activation=tf.nn.relu),    keras.layers.Dense(48, activation=tf.nn.relu),    keras.layers.Dense(6, activation=tf.nn.softmax)])我的数据设置如下：它分为两个 Python 列表training_data和training_labels.元素 fromtraining_labels是一个包含 6 个数字的 Python 列表，如下所示：[0, 0, 0, 0, 1, 0]来自的元素training_data是一个包含 1800 个数字的 Python 列表，如下所示：[15, 155, 1200, 1, ... ]总共有 1500 个示例。为了适应模型，我正在做：model.fit(training_data, training_labels, batch_size=1)但我得到了错误：ValueError: Error when checking input: expected dense_1_input to have shape (None, 1800) but got array with shape (150, 1)

Answer 1

正如评论中提到的，您可能对数据的形状有误解。为了证明这一点，请查看下面的代码。

import numpy as np

training_data = np.random.rand(1500, 1800)

training_labels = np.ones((1500, 6))

model = keras.Sequential([

    keras.layers.Dense(256, input_dim = 1800, activation=tf.nn.relu),

    keras.layers.Dense(48, activation=tf.nn.relu),

    keras.layers.Dense(6, activation=tf.nn.softmax)

])

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

model.fit(training_data, training_labels, batch_size=1)

该模型编译和训练。

Answer 2

除了已经提到的内容，我建议在将数据输入网络之前添加一行：

import numpy as np

training_data = np.asarray(training_data)

assert(training_data.shape = (1500,1800))