ValueError：检查时出错：预期dense_1_input的形状为（3，），但得到的数组形状为（1，）

Question

我正在尝试使用学习到的 .h5 文件进行预测。 学习模型如下。

model =Sequential()
model.add(Dense(12, input_dim=3, activation='relu'))
model.add(Dense(8, activation='relu'))
model.add(Dense(4, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer = 'adam', metrics = ['accuracy'])

我把输入的形式写成如下。

x = np.array([[band1_input[input_cols_loop][input_rows_loop]],[band2_input[input_cols_loop][input_rows_loop]],[band3_input[input_cols_loop][input_rows_loop]]])

prediction_prob = model.predict(x)

我以为形状是正确的，但出现了以下错误。

ValueError: 检查时出错：预期dense_1_input 的形状为(3,)，但得到的数组的形状为(1,)

x的形状明显是(3,1)，但是上面的错误并没有消失（数据来自(value 1, value 2, value 3, class)形式的csv文件）。

我该如何解决这个问题？

Answer 1

x的形状明显是(3,1)，但是上面的错误还在继续。

你是对的，但这 不是 keras 所期望的。它期望(1, 3) 形状：按照惯例，轴 0 表示批量大小，轴 1 表示特征。第一个 Dense 层接受 3 个特征，这就是为什么它只看到一个时会报错。

解决办法就是转置x。