训练 Keras 回归模型时出错答案

【问题标题】：Error while training Keras regression model训练 Keras 回归模型时出错
【发布时间】：2022-01-12 23:41:11
【问题描述】：

为这个新手问题道歉，我正在尝试使用 Keras 训练回归模型，但在 model.fit() 中出现错误。

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import numpy as np

inputs = keras.Input(shape=(6,5), name="digits")
x = layers.Dense(64, activation="relu", name="dense_1")(inputs)
x = layers.Dense(64, activation="relu", name="dense_2")(x)
outputs = layers.Dense(1, activation="softmax", name="predictions")(x)

model = keras.Model(inputs=inputs, outputs=outputs)

x_train = np.array([[ 0,  1,  2,  3,  4],
                    [ 5,  6,  7,  8,  9],
                    [10, 11, 12, 13, 14],
                    [ 0,  1,  2,  3,  4],
                    [ 5,  6,  7,  8,  9],
                    [10, 11, 12, 13, 14]])

y_train = np.array([1, 2, 3, 1, 2, 3])

model.compile(loss=keras.losses.SparseCategoricalCrossentropy())

history = model.fit(x_train,y_train)

这是错误，这是什么意思以及如何解决？我正在使用 TensorFlow 2.7.0。

图层“模型”的输入 0 与图层不兼容：预期 shape=(None, 6, 5), 找到 shape=(None, 5)

【问题讨论】：

标签： python tensorflow keras tensorflow2.0

【解决方案1】：

要修复错误，您需要完全清楚数据的输入形状和输出形状。从您的代码推断，您希望将 3 个数据点映射到 [0,1,2,3,4] 到 1、[5,6,7,8,9] 到 2 和 [10,11,12,13,14] 到 3。

因此，输入形状为(5,)，输出形状为(1,)，即(5,)应在tf.keras.Input中使用，y_train需要重新整形为(6,1)。

此外，当您要进行回归时，应使用适当的输出层激活函数和损失函数。（见下例）

最后，调整优化器类型、学习率和其他超参数以获得更好的性能。

演示：

inputs = tf.keras.Input(shape=(5,), name="digits")#input shape is (5,)
x = tf.keras.layers.Dense(64, activation="relu", name="dense_1")(inputs)
x = tf.keras.layers.Dense(64, activation="relu", name="dense_2")(x)
outputs = tf.keras.layers.Dense(1, name="predictions")(x)#use linear activation

model = tf.keras.Model(inputs, outputs)

x_train = np.array([[ 0,  1,  2,  3,  4],
                    [ 5,  6,  7,  8,  9],
                    [10, 11, 12, 13, 14],
                    [ 0,  1,  2,  3,  4],
                    [ 5,  6,  7,  8,  9],
                    [10, 11, 12, 13, 14]])

y_train = np.array([1, 2, 3, 1, 2, 3])[:,None]#reshape

model.compile(optimizer=tf.keras.optimizers.SGD(learning_rate=0.001,momentum=0.99)
        ,loss=tf.keras.losses.MeanSquaredError())#use MSE

model.fit(x_train,y_train,epochs=500,verbose=0)

print(model.predict(x_train))
'''
outputs:
[[1.0019126]
 [2.010047 ]
 [3.0027502]
 [1.0019126]
 [2.010047 ]
 [3.0027502]]
'''

【讨论】：