时间戳

首页 > 解决方案 > 设计一个神经网络来预测 Keras 中的数字数组

python - 设计一个神经网络来预测 Keras 中的数字数组

问题描述

我是机器学习的新手，对 ML 库几乎没有经验。我正在开发一个神经网络来预测给定输入数组的数字数组。所以我的输入如下：

神经网络的输入是一个长度为 100 的数组。

和输出：

模型的输出是长度为 60 的数组。

到目前为止，我在这里发布了我的代码。它目前不工作。有人可以帮助我以正确的方式做到这一点吗？

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten(input_shape=(100,)))
model.add(tf.keras.layers.Dense(768, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(768, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(60, activation=tf.nn.softmax))

model.compile(optimizer = 'adam',
         loss = 'sparse_categorical_crossentropy',
         metrices = ['accuracy'])
model.fit(x_train_new, y_train_new, epochs = 20)

注意： x_train_new是一个长度为 100y_train_new的数组，是一个长度为 60 的数组。

当我运行它并调用时，model.fit()将出现以下错误。

ValueError                                Traceback (most recent call last)
<ipython-input-62-33e8f1dfe4c8> in <module>()
      5 # print(y_train_new.shape)
      6 
----> 7 model.fit(x_train_new, y_train_new, epochs = 20)

/home/vajira/tf_cpu_py3/lib/python3.6/site-packages/tensorflow/python/keras/engine/training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, **kwargs)
   1276         steps_name='steps_per_epoch',
   1277         steps=steps_per_epoch,
-> 1278         validation_split=validation_split)
   1279 
   1280     # Prepare validation data.

/home/vajira/tf_cpu_py3/lib/python3.6/site-packages/tensorflow/python/keras/engine/training.py in _standardize_user_data(self, x, y, sample_weight, class_weight, batch_size, check_steps, steps_name, steps, validation_split)
    915           feed_output_shapes,
    916           check_batch_axis=False,  # Don't enforce the batch size.
--> 917           exception_prefix='target')
    918 
    919       # Generate sample-wise weight values given the `sample_weight` and

/home/vajira/tf_cpu_py3/lib/python3.6/site-packages/tensorflow/python/keras/engine/training_utils.py in standardize_input_data(data, names, shapes, check_batch_axis, exception_prefix)
    189                 'Error when checking ' + exception_prefix + ': expected ' +
    190                 names[i] + ' to have shape ' + str(shape) +
--> 191                 ' but got array with shape ' + str(data_shape))
    192   return data
    193 

ValueError: Error when checking target: expected dense_14 to have shape (1,) but got array with shape (60,)

标签： pythontensorflowmachine-learningneural-networkkeras

解决方案

您必须为第一层指定输入形状：

model.add(tf.keras.layers.Flatten(input_shape=(100,)))

但是，如果输入是长度为 100 的向量，则不需要Flatten层，因为它已经被展平。相反，input_shape为第一Dense层设置并删除该Flatten层。

更新：关于形状不匹配错误，要么categorical_crossentropy用作损失函数并传递大小为 60 的 one-hot 编码标签，要么使用sparse_categorical_crossentropy并传递整数标签（即 0 或 1 或 2 等）。不要混合这两件事：目前您正在使用sparse_categorical_crossentropy并将 one-hot 编码标签传递给fit()方法。因此，您会收到形状不匹配错误。

旁注：正如评论中提到的@Alexis，请在提问时添加您得到的错误（如果适用）。

推荐阅读