时间戳

首页 > 解决方案 > 使用 keras 拟合深度学习模型

python - 使用 keras 拟合深度学习模型

问题描述

我是深度学习和 keras 的新手，我想做的任务是：使用 50 个 epoch 在训练数据上训练模型。

我写了这段代码：

import pandas as pd
from tensorflow.python.keras import Sequential
from tensorflow.python.keras.layers import Dense
from sklearn.model_selection import train_test_split

concrete_data = pd.read_csv('https://cocl.us/concrete_data')

n_cols = concrete_data.shape[1]
model = Sequential()
model.add(Dense(units=10, activation='relu', input_shape=(n_cols,)))

model.compile(loss='mean_squared_error',
          optimizer='adam')


x = concrete_data.Cement
y = concrete_data.drop('Cement', axis=1)
xTrain, xTest, yTrain, yTest = train_test_split(x, y, test_size = 0.3)

但是当我想以这种方式拟合我的模型时：

model.fit(xTrain, yTrain, validation_data=(xTrain, yTrain), epochs=50)

我有这个错误：

Epoch 1/50
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-83-489dd99522b4> in <module>()
----> 1 model.fit(xTrain, yTrain, validation_data=(xTrain, yTrain), epochs=50)

10 frames
/usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/func_graph.py in wrapper(*args, **kwargs)
    966           except Exception as e:  # pylint:disable=broad-except
    967             if hasattr(e, "ag_error_metadata"):
--> 968               raise e.ag_error_metadata.to_exception(e)
    969             else:
    970               raise

ValueError: in user code:

    /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py:503 train_function  *
        outputs = self.distribute_strategy.run(
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/distribute/distribute_lib.py:951 run  **
        return self._extended.call_for_each_replica(fn, args=args, kwargs=kwargs)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/distribute/distribute_lib.py:2290 call_for_each_replica
        return self._call_for_each_replica(fn, args, kwargs)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/distribute/distribute_lib.py:2649 _call_for_each_replica
        return fn(*args, **kwargs)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py:464 train_step  **
        y_pred = self(x, training=True)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/base_layer.py:885 __call__
        self.name)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/input_spec.py:216 assert_input_compatibility
        ' but received input with shape ' + str(shape))

    ValueError: Input 0 of layer sequential_2 is incompatible with the layer: expected axis -1 of input shape to have value 9 but received input with shape [None, 1]

我的具体数据是： 在此处输入图像描述

这是 x 和 y 的形状（由 * 分隔）： 在此处输入图像描述 我真的不知道是什么问题。

标签： pythonmachine-learningkerasdeep-learning

解决方案

我认为您需要更改 input_shape 如下所示：

input_shape=(n_cols,) =>>  input_shape=(n_cols-1,)

一开始，您的数据包含特征和目标数据，因此形状由两者组成。您需要从该部分减去 1 以指定输入形状。

另一个问题是您需要在x和之间切换数据y。我认为您想Cement用其余的数据集进行预测。所以Cement信息应该存储在y，你的数据集的其余部分应该在x.

此外，您需要更改这部分代码。

model.fit(xTrain, yTrain, validation_data=(xTrain, yTrain), epochs=50)

在训练和验证上使用相同的数据没有意义。您可以指定验证比率，以便 keras 自动生成。

推荐阅读