Keras 输入形状错误答案

【问题标题】：Keras input shape errorKeras 输入形状错误
【发布时间】：2017-10-15 17:34:12
【问题描述】：

我是 Keras 的新手，我正在尝试创建需要在纸牌游戏中学习的网络。它需要 93 个二进制输入，其中包含 40 个神经元的隐藏层和一个计算分数（从 0 到 25）的输出神经元。

model = Sequential()
model.add(Dense(input_dim=93, units=40, activation="sigmoid"))
model.add(Dense(units=2, activation="linear"))
sgd = optimizers.SGD(lr=0.01, clipvalue=0.5)
model.compile(loss="mse", optimizer=sgd, learning_rate=0.01)

我首先尝试计算（进行前向传播）这 93 个输入

这是“s.toInputs()”

[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 1 0 1 1 0 1 1 1 1 0 1 1 1 1 0 1 1 1 1 0 1 0 0 1 1 0 1 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 1 1 0 0 0 0 1 0 1 0 0 0 0 0 1 1 0 0 1 1 0 0 1 0 0 0 0 1 1 0 1]

model.predict(np.array(s.toInputs())

但我得到了错误

ValueError: 检查时出错：预期 dense_1_input 具有形状 (None, 93) 但得到的数组具有形状 (93, 1)

如何传递正确的参数？

【问题讨论】：

标签： python numpy tensorflow neural-network keras

【解决方案1】：

重塑的东西效果很好。将数组重塑为 (batch_size, your_input_dimensions)

np.reshape(batch_size, input_dimesions)

【讨论】：

【解决方案2】：

其实s.toInputs()应该是这样的

[[0,0,0, 等...],[0,1,0, 等...]]

基本上你必须有一个具有以下形状的数组：(n_batches, n_attributes)

你有 93 个属性，所以如果你使用 tensorflow，这应该可以解决问题

np.array(s.toInputs()).reshape(-1, 93)

完整的工作示例

model = Sequential()
model.add(Dense(input_dim=93, units=40, activation="sigmoid"))
model.add(Dense(units=2, activation="linear"))
sgd = optimizers.SGD(lr=0.01, clipvalue=0.5)
model.compile(loss="mse", optimizer=sgd, learning_rate=0.01)

# random data
n_batches = 10
data = np.random.randint(0,2,93*n_batches)
data = data.reshape(-1,93)

model.predict(data)

【讨论】：

【解决方案3】：

错误信息告诉你，你的数据需要有(None, 93)的形状（None这里的意思是，这个维度可以是任意值。它是你的样本数）

但是您的输入数据的形状为(93,1)。请注意，尺寸是相反的。您可以使用转置来获得正确形状的数据：

model.predict(np.array(s.toInputs()).T)

【讨论】：