时间戳

首页 > 解决方案 > 使用多个输入喂养 keras 模型

python - 使用多个输入喂养 keras 模型

问题描述

我正在尝试用 Keras 做一个简单的 hello world 并卡住了。一开始我有 1 层，1 个输入和 1 个输出，它对于直线近似效果很好；）

import numpy as np
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import RMSprop
from keras.losses import mean_squared_error
mo = Sequential()
d = Dense(1, input_shape=(1,))
mo.add(d)
mo.summary()

mo.compile(loss=mean_squared_error, optimizer=RMSprop(lr=0.4), metrics=['accuracy'])

mo.trainable = True

for i in range(-100, 100):
    mo.train_on_batch(x = [i], y = [i])

之后，我对 2 个输入参数有了勇气：

d = Dense(1, input_shape=(2,))
for i in range(-100, 100):
    mo.train_on_batch(x = [np.array([i,i])], y = [i])

np.array([1,1]).shape # gives (2,)

虽然我得到了一个例外：

ValueError：检查输入时出错：预期dense_53_input的形状为（2，）但得到的数组形状为（1，）

我尝试了各种组合，例如[[i],[i]].

标签： pythonmachine-learningkerasvalueerror

解决方案

第一个维度始终是 Keras 中的批处理维度。批量大小是指在一次传递（向前和向后）中处理的样本数。当您指定input_shape参数时，它不包括批次维度。因此，输入形状为 的网络采用形状为(2,)的输入数据，(?,2)其中?指的是批量大小。所以你必须传递 shape 数组(?,2)：

mo.train_on_batch(x=[np.array([[i,i]])], y=[i])

自从：

np.array([[i,i]]).shape   # it is (1,2)

推荐阅读