如何使用 keras 定义模型架构？

Question

我想创建如下图所示的神经网络模型

我的 x_train 变量有 (20204,2) 维度，而 y_train 有 (20204,) 维度

我使用的是 keras Sequential 模型，但是当我运行下面的代码时

model=Sequential()
model.add(Dense(output_dim = 2, init = 'uniform', activation = 'relu', input_dim=20204))
model.add(Dense(output_dim = 3,init = 'uniform',activation = 'softmax'))
model.compile(loss = 'sparse_categorical_crossentropy',optimizer = 'adam',metrics = ['accuracy'])
model.fit(x_train,y_train,batch_size=12,epochs=14)
loss_and_metrics = model.evaluate(x_test, y_test, batch_size=12)
print(loss_and_metrics)

我收到一个错误提示

ValueError: Error when checking input: expected dense_26_input to have shape (20204,) but got array with shape (2,)

我该如何解决这个问题？

Answer 1

当您说您的输入具有 (20204, 2) 的形状时，您的意思是您有 20204 个训练样本，每个样本都有 2 个维度。

您需要告诉您的输入期望 2 个维度，而不是 20204。发生错误是因为您的模型希望接收 20204 个特征（即参数 input_dim=20204）但实际上接收到 2 个特征。

要解决这个问题，只需更改我上面提到的参数：

model=Sequential()
model.add(Dense(output_dim=2, init='uniform', activation='relu', input_dim=2))
model.add(Dense(output_dim=3, init='uniform', activation='softmax'))
model.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x_train, y_train, batch_size=12, epochs=14)
loss_and_metrics = model.evaluate(x_test, y_test, batch_size=12)
print(loss_and_metrics)

---

编辑：

正如@today 和@desertnaut 正确指出的那样，您的图显示了具有4 个神经元的隐藏层，而不是像上面的代码那样产生2 个神经元。

要更改此设置，您需要将隐藏层中的参数output_dim=2 替换为output_dim=4：

model.add(Dense(output_dim=4, init='uniform', activation='relu', input_dim=2))