将 tflearn 模型转换为 keras答案

【问题标题】：Converting tflearn model to keras将 tflearn 模型转换为 keras
【发布时间】：2020-01-19 17:06:43
【问题描述】：

我正在尝试将旧的 tflearn 模型转换为 keras 模型，因为我已从 TF 1.15 迁移到 TF 2.0，其中不再支持 tflearn。我的 keras 模型是：

model = tf.keras.Sequential([
    tf.keras.layers.Dense(8, input_shape=(None, len(train_x[0]))),
    tf.keras.layers.Dense(8),
    tf.keras.layers.Dense(len(train_y[0]), activation="softmax"),
])

model.compile(optimizer="adam", loss="sparse_categorical_crossentropy", metrics=["accuracy"])
model.fit(train_x, train_y, epochs=epochs, batch_size=batch_size)

test_loss, test_acc = model.evaluate(train_x, train_y)
print("Tested Acc:", test_acc)

当我运行它时，我收到以下错误：

ValueError：检查输入时出错：预期的 dense_input 为 3 尺寸，但得到形状为 (49, 51) 的数组

我不知道如何解决这个错误。我是否需要以某种方式重新调整模型的尺寸？我做错了什么？

作为参考，我的旧 tflearn 模型是：

tf.reset_default_graph()

net = tflearn.input_data(shape=[None, len(train_x[0])])
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, len(train_y[0]), activation='softmax')
net = tflearn.regression(net)

model = tflearn.DNN(net, tensorboard_dir='tflearn_logs')
model.fit(train_x, train_y, n_epoch=epochs, batch_size=batch_size, show_metric=True)

【问题讨论】：

input_shape参数中不需要给出批次维度。见the Keras documentation。
很高兴知道。我已经删除了它们，但显然它们并没有解决我的主要问题，valueerror
这应该相应地减少了输入形状。你能给出mode.summary()的输出吗？
如果我注释掉 model.compile 和 model.fit 并执行 model.summary()，我得到： Model: "sequential" Layer (type) Output Shape Param #dense (Dense) ( None, None, 8) 416 dense_1 (Dense) (None, None, 8) 72 dense_2 (Dense) (None, None, 6) 54 总参数：542 可训练参数：542 不可训练参数：0
那么第一个 Dense 层的输入形状是否符合您的预期以及train_x 中数据的形状？

标签： python tensorflow keras

【解决方案1】：

正如我们在 cmets 中发现的，您的代码存在两个问题。

首先，您不能在input_shape 参数中给出批次维度，参见。 the Keras documentation for Dense.

第二，由于train_y.shape = (?, 6)，你需要使用categorical_crossentropy而不是sparse_categorical_crossentropy。有a note in the Keras documentation详细描述了区别。

以下是更正后的代码：

model = tf.keras.Sequential([
    tf.keras.layers.Dense(8, input_shape=(len(train_x[0]))),
    tf.keras.layers.Dense(8),
    tf.keras.layers.Dense(len(train_y[0]), activation="softmax"),
])

model.compile(optimizer="adam", loss="categorical_crossentropy", metrics=["accuracy"])
model.fit(train_x, train_y, epochs=epochs, batch_size=batch_size)

【讨论】：