时间戳

首页 > 解决方案 > Keras 简单前馈网络输入形状错误

python - Keras 简单前馈网络输入形状错误

问题描述

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)

标签： pythonpython-3.xmachine-learningkerastf.keras

解决方案

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。

推荐阅读