【发布时间】:2021-02-07 17:51:34
【问题描述】:
我有一个有 5 个输入节点和 1 个输出节点的模型。
model = keras.models.Sequential()
model.add(keras.layers.Dense(5, input_shape=(5, ), activation='relu'))
model.add(keras.layers.Dense(5, activation='relu'))
model.add(keras.layers.Dense(1, activation='exponential'))
model.compile(optimizer="sgd", loss="mean_squared_error")
我正在尝试使用这些输入训练一批。
input1 = [1, 4, 2, 4, 5]
input2 = [1, 4, 3, 5, 1]
input3 = [1, 4, 3, 3, 2]
input_batch = np.array([input1, input2, input3])
output1 = 2.5
output2 = 3.9
output3 = 1.3
output_batch = np.array([output1, output2, output3])
model.train_on_batch(input_batch, output_batch)
print(model.predict(np.array([1, 5, 2, 3, 1])))
这似乎不起作用,所以我需要一些关于如何塑造 numpy 数组以使其适合模型的帮助。 这是错误消息:
ValueError: Error when checking input: expected dense_input to have shape (5,) but got array with shape (1,)
【问题讨论】:
-
你能添加你得到的错误吗?
标签: python tensorflow keras neural-network