预期的形状（无，8），但得到了形状为（8,1）的数组

Question

我有以下代码，

from keras.models import Sequential
from keras.layers import Dense
import numpy as np

# load dataset
dataset = np.loadtxt("data.csv", delimiter=",")
# split into input (X) and output (Y) variables
X = dataset[:, 0:8]
Y = dataset[:, 8]
# create model
model = Sequential()
model.add(Dense(8, activation="relu", input_dim=8, kernel_initializer="uniform"))
model.add(Dense(12, activation="relu", kernel_initializer="uniform"))
model.add(Dense(1, activation="sigmoid", kernel_initializer="uniform"))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# Fit the model
model.fit(X, Y, epochs=150, batch_size=10,  verbose=2)
# calculate predictions
test = np.array([6,148,72,35,0,33.6,0.627,50])
predictions = model.predict(test)
# round predictions
rounded = [round(x[0]) for x in predictions]
print(rounded)

当我运行程序时，它给了我以下错误。

ValueError：检查时出错：预期的 dense_1_input 有 形状 (None, 8) 但得到了形状 (8,1) 的数组

我知道这个问题有很多重复的地方，我都试过了，但它仍然给我同样的错误。我该如何解决？

Answer 1

test = test.transpose

现在您将测试所需的形状。

Answer 2

我认为这是糖尿病数据集，您将通过执行获得所需的输出 这个

model.predict(np.array([[6,148,72,35,0,33.6,0.627,50]])) > 0.5

Answer 3

尽管我们没有看到完整的错误跟踪，但我认为模型学习并且错误出现在行：

predictions = model.predict(test)

请确认。

预测失败，因为您应该始终为网络提供一个形状为 (number_of_samples_to_predict, input_shape) 的 numpy 数组。 开始时总是有一个附加维度，这是您将要预测的所有样本堆积起来的地方。当只有一个样本时，您仍然需要提供一个[1, input_shape] 数组。

要解决此问题，请像这样定义您的测试输入：

test = np.array([[6,148,72,35,0,33.6,0.627,50]])

现在测试的形状为(1,8)，它应该按照模型所期望的(?,8) 运行。