张量流的第一个密集层中的 input_shape 错误

Question

我正在尝试创建一个模型，该模型采用 4 个元素的 python 列表并返回两个值作为预测。这是我的代码：

class DQNagent:

    def create_model(self):

        model = tf.keras.models.Sequential()
        model.add(tf.keras.layers.Dense(16, activation ='relu',input_shape =(4,1)))
        model.add(tf.keras.layers.Dense(32, activation ='relu'))
        model.add(tf.keras.layers.Dense(2, activation="linear"))
        model.compile(loss="mse", optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),metrics=['accuracy'])               
        return model

    def model_summary(self,model):
        return model.summary()

    def predict(self, state):
        return model.predict(state)

state = [ 0.02495595  0.04527366 -0.002845  0.04326009]
agent = DQNagent()
model = agent.create_model()
action = model.predict(state)
print(action)

此代码引发错误：

ValueError: Input 0 of layer sequential is incompatible with the layer: expected axis -1 of input shape to have value 4 but received input with shape (None, 1)

我已经给了input_shape=(4,1)。这是我给input_shape 的错误方式吗？
我该如何解决这个错误？

当我给出 input_shape = (1,4) 时，它仍然会抛出同样的错误。为什么会这样？我只有一个 state 示例来提供它，我只想要两个数字作为输出。 有可能吗？
请帮忙！
谢谢！

Answer 1

.predict(X) 期望批次是X 的第一个维度。在您的情况下，它会解释您的 4x1 数组，就像您提供了一批 4 个大小为 1 的示例一样。添加一个新维度以使其变为 1x4，因此它是一批 1，包含 4 个特征。

class DQNagent:

    def create_model(self):

        model = tf.keras.models.Sequential()
        model.add(tf.keras.layers.Dense(16, activation ='relu',input_shape=(4, )))
        model.add(tf.keras.layers.Dense(32, activation ='relu'))
        model.add(tf.keras.layers.Dense(8, activation="linear"))
        model.compile(loss="mse", optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),metrics=['accuracy'])               
        return model

    def model_summary(self,model):
        return model.summary()

    def predict(self, state):
        return model.predict(state)

state = [[ 0.02495595,  0.04527366, -0.002845,  0.04326009]]
agent = DQNagent()
model = agent.create_model()
action = model.predict(state)
print(action)