Keras 的多维输入

Question

我是 keras 新手，我在运行具有多个维度的模型时遇到问题。所以，我一直在尝试一些样品。这是其中之一。

from keras.models import Sequential
from keras.layers import Dense
import numpy as np

X_train = np.array([[[1, 2], [3, 4]], [[1, 2], [3, 4]]])
model = Sequential([
    Dense(32, input_shape=X_train.shape[1:]),
])
model.compile(loss='sparse_categorical_crossentropy', optimizer='sgd')
model.fit(X_train, [1, 2])

我希望上面的示例能够运行，但出现错误

Error when checking target: expected dense_1 to have 3 dimensions, but got array with shape (2, 1)

这可能是什么原因。谁能举例说明如何使用多维输入运行 keras 模型，即输入应该如何构造？谢谢。

Answer 1

我建议您对输出类进行一次热编码，即使用：

# Convert labels to categorical one-hot encoding
labels = np.array([1, 2]) # 0 - num_classes - 1
y_train = keras.utils.to_categorical(labels, num_classes=3)

然后用'categorical_crossentropy'代替'sparse_categorical_crossentropy'：

model.compile(loss='categorical_crossentropy',
              optimizer=sgd,
              metrics=['accuracy'])

最后，如果您想要 2D 输出（样本 x 类），您应该在某个时候展平您的 3D 输入。输出层中的单元数量（你只有一个）应该匹配类的数量并使用适当的激活函数（例如'softmax'）

model.add(Flatten(input_shape=X_train.shape[1:]))
model.add(Dense(3, activation='softmax'))

尝试在以下位置查看用于多类 softmax 分类的多层感知器 (MLP)： https://keras.io/getting-started/sequential-model-guide/