无法弄清楚 keras 输入形状错误？

Question

我正在尝试向我的神经网络传递一个形状与形状 (1169909, 10, 10) 的数组。

但无论我做什么......

input_shape=(None,10,10)
input_shape=x_train.shape[1:]
input_shape=x_train.shape
input_shape=(1169909, 1)
input_shape=(10,10)
input_shape=(1169909,10)
input_shape=(1169909,10,10)
input_shape=(1,10,10)

我仍然收到错误消息。错误变化：

but got array with shape (1169909, 10, 10)
but got array with shape (1169909, 1)

取决于我输入的方式，这只会增加我的困惑。

实际的输入如下所示，它是由这些较小的 10x10 数组组成的数组：

array([[ 2, -1, -1, -1, -1, -1, -1, -1, -1,  0],
       [-1, -1, -1, -1, -1, -1, -1, -1, -1, -1],
       [11, -1, 11,  6,  3,  2, -1, -1, -1, 11],
       [-1, -1, -1, -1,  5,  7, -1, -1,  2,  7],
       [-1, -1, -1, -1, -1, -1, -1, -1, -1, -1],
       [-1, -1, -1, -1, -1, -1, -1, -1, -1, -1],
       [-1, -1, -1, -1, 22, 25, -1, -1, -1, 22],
       [22, -1, -1, -1, 26, 29, -1, -1, 26, 25],
       [27, -1, -1, -1, -1, -1, -1, -1, -1, 23],
       [31, 24, 31, -1, -1, -1, -1, -1, -1, 31]])

我试图通过查看堆栈溢出和其他地方来理解这个问题，但我无法找出问题所在，并且这些解决方案对我不起作用。

这是目前的模型：

x_train, x_test, y_train, y_test = train_test_split(xving, ywing, test_size=0.2)

x_train = numpy.array(x_train)
y_train = numpy.array(y_train)


model = Sequential()
model.add(keras.layers.Dense(250,activation='tanh', input_shape=(None,10,10)))
model.add(keras.layers.Dense(150,activation='relu'))
model.add(keras.layers.Dense(25,activation='sigmoid'))
model.add(keras.layers.Dense(2,activation='softmax'))
optimizerr = keras.optimizers.SGD(lr=0.01, momentum=0.0, decay=0.0, nesterov=False)
model.compile(optimizer=optimizerr, loss='categorical_crossentropy', metrics=['accuracy'])

model.fit(x_train, y_train,epochs = 25, batch_size = 32, verbose=1)

编辑： 所以当我使用时：

input_shape=x_train.shape[1:]

错误变成了目标：

Error when checking target: expected dense_32 to have 3 dimensions, but got array with shape (1169909, 1)

但是目标是一个数组。当我将其保留为列表时，我得到了错误：

ValueError: Error when checking model target: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 1 array(s), but instead got the following list of 1169909 arrays: [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0...

所以现在我想我的问题是为什么目标是一个问题。

y_train.shape

产量：

(1169909,)

所以我还是一头雾水？

Answer 1

假设您有 1169909 张图片（或 2D 数据项）作为数据集，如果您想将它们作为矩阵传递给您的模型，则应该在前面使用 2D 卷积层，否则与之前将每张图片展平没有什么不同将它们全部传递给您的模型。我建议使用卷积模式，但如果不是这种情况，您可以像这样展平数组：

x = x.reshape((1169909, 100))
model.add(keras.layers.Dense(250, activation='tanh', input_dim=100))

同样，将 2D 数据传递到密集层不会利用数据的结构属性。