Python keras 神经网络 (Theano) 包返回有关数据维度的错误

Question

我有这个代码：

import numpy as np
from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation
from keras.optimizers import SGD
from sklearn import datasets
import theano

iris = datasets.load_iris()
X = iris.data[:,0:3]  # we only take the first two features.
Y = iris.target

X = X.astype(theano.config.floatX)
Y = Y.astype(theano.config.floatX)


model = Sequential()
model.add(Dense(150, 1, init='uniform'))
model.add(Activation('tanh'))
model.add(Dropout(0.5))
model.add(Dense(150, 1, init='uniform'))
model.add(Activation('tanh'))
model.add(Dropout(0.5))
model.add(Dense(150, 1, init='uniform'))
model.add(Activation('softmax'))

sgd = SGD(lr=0.1, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='mean_squared_error', optimizer=sgd)

model.fit(X, Y, nb_epoch=20, batch_size=150)


score = model.evaluate(X_train, y_train, batch_size=16)

返回此错误：

ValueError: Shape mismatch: x has 3 cols (and 150 rows) but y has 150 rows (and 1 cols)
Apply node that caused the error: Dot22(<TensorType(float64, matrix)>, <TensorType(float64, matrix)>)
Inputs types: [TensorType(float64, matrix), TensorType(float64, matrix)]
Inputs shapes: [(150L, 3L), (150L, 1L)]
Inputs strides: [(24L, 8L), (8L, 8L)]
Inputs values: ['not shown', 'not shown']

有什么问题？

Answer 1

您为内部图层指定了错误的输出尺寸。例如，请参阅 Keras 文档中的此示例：

model = Sequential()
model.add(Dense(20, 64, init='uniform'))
model.add(Activation('tanh'))
model.add(Dropout(0.5))
model.add(Dense(64, 64, init='uniform'))
model.add(Activation('tanh'))
model.add(Dropout(0.5))
model.add(Dense(64, 2, init='uniform'))
model.add(Activation('softmax'))

注意一层的输出大小如何匹配下一层的输入大小：

20x64 -> 64x64 -> 64x2

第一个数字始终是输入大小（前一层的神经元数量），第二个数字是输出大小（下一层的神经元数量）。所以在这个例子中你有四层：

• 具有 20 个神经元的输入层
• 具有 64 个神经元的隐藏层
• 具有 64 个神经元的隐藏层
• 具有 2 个神经元的输出层

唯一的硬性限制是，第一（输入）层需要拥有与特征一样多的神经元，而最后（输出）层需要拥有尽可能多的神经元来完成任务。

对于您的示例，由于您具有三个特征，因此您需要将输入层大小更改为 3，并且您可以保留此示例中的两个输出神经元来进行二元分类（或者像您一样使用逻辑损失）。