输入形状和 Keras答案

【问题标题】：Input shape and Keras输入形状和 Keras
【发布时间】：2019-01-03 19:26:49
【问题描述】：

我有一组训练数据，其中每个输入都是一个长度为 138 的向量。我有 519 个这些向量，批量大小为 519。这些不是图像，只是实数值。

我正在尝试从 2 层密集 Keras 模型开始：

model = keras.Sequential([
    layers.Dense(200, activation=tf.nn.relu, input_shape=[138]),
    layers.Dense(200, activation=tf.nn.relu),
    layers.Dense(1)
])

当我构建模型时出现以下错误：

Error when checking input: expected dense_27_input to have shape (138,) but got array with shape (519,).

在 Keras 中，我在哪里区分批量大小和输入特征的数量？ layers.Dense() 似乎假设我的输入是在行和列中。

【问题讨论】：

你能展示一下你在模型中输入向量的指令吗？
输入数组的形状是什么，(138, 519) 或(519, 138)？
输入数组的形状为 138x519。我将输入向量放入模型的指令是：example_batch = normed_train_data[:10] example_result = model.predict(example_batch) where def norm(x): return (x - train_stats['mean']) / train_stats[' std'] normed_train_data = norm(train_dataset)。我一直在关注这个例子：tensorflow.org/tutorials/keras/basic_regression

标签： python machine-learning keras training-data keras-layer

【解决方案1】：

Keras 期望第一个轴是批处理轴。因此，如果您有 519 个训练样本，其中每个样本都是长度为 138 的向量，那么您传递给fit 方法的数组必须具有(519, 138) 的形状。因此，如果当前训练数据数组的形状为(138, 519)，只需将其转置以使形状一致：

import numpy as np

train_data = np.transpose(train_data)

【讨论】：