为什么层batch_normalization 6与层不兼容？

Question

我想将尺寸为 (10151, 1285) 的特征训练为标签 (10151, 257)，并且我想使用 way2。因为我想在成本函数中使用“feature_input”。但它失败并出现错误：

ValueError: 层 batch_normalization_6 的输入 0 与层不兼容：预期 ndim=3，发现 ndim=2。收到的完整形状：（无，257）。

我想知道为什么？

Way1:
model = Sequential()
model.add(Dense(257, input_dim=1285))
model.add(BatchNormalization())
model.add(Activation('sigmoid'))

model.compile(optimizer='adam', loss='mse',  metrics=['mse'])
model.fit(feature, label )
model.save("./model.hdf5")

Way2:
feature_input = Input(shape=(None, 1285))
dense = Dense(257)(feature_input)
norm = BatchNormalization()(dense)
out = Activation('sigmoid')(norm)
model = Model(feature_input, out)

model.compile(optimizer='adam', loss='mse',  metrics=['mse'])
model.fit(feature, label )
model.save("./model.hdf5")

Answer 1

如果您将输入形状定义为(None, 1285)，则模型会将输入识别为 3 维数据。我猜你输入的None 形状是为了描述批量大小，但是当我们编译模型时，我们会得到一个 3 维输入，并且批量维度会自动添加。因此，您可以使用 (1285,) 的输入形状作为替代。

<Summary of your model>

Model: "model"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_1 (InputLayer)         [(None, None, 1285)]      0         
_________________________________________________________________
dense (Dense)                (None, None, 257)         330502    
_________________________________________________________________
batch_normalization (BatchNo (None, None, 257)         1028      
_________________________________________________________________
activation (Activation)      (None, None, 257)         0         
=================================================================
Total params: 331,530
Trainable params: 331,016
Non-trainable params: 514
_________________________________________________________________