Question

我正在尝试使用simple examples学习Keras GraphNN。我有一个简单的示例数据集，包含784个功能，我想运行这个示例：

 # graph model with one input and two outputs
    graph = Graph()
    graph.add_input(name='input', input_shape=(784,))
    graph.add_node(Dense(input_dim=784, output_dim=13), name='dense1', input='input')
    graph.add_node(Dense(input_dim=13, output_dim=1), name='dense2', input='input')
    graph.add_node(Dense(input_dim=13, output_dim=1), name='dense3', input='dense1')
    graph.add_output(name='output1', input='dense2')
    graph.add_output(name='output2', input='dense3')

    graph.compile('rmsprop', {'output1': 'mse', 'output2': 'mse'})
    graph.fit({'input': X_train, 'output1': y_train, 'output2': y_train}, nb_epoch=30)
### here is where I am facing difficulty
    score = graph.evaluate({'input': X_test, 'output1': y_test, 'output2': y_test}, batch_size=16, verbose=1)
    print 'score: ', score

文档提到了graph.evaluate()：

评估（data，batch_size = 128，verbose = 1）：在某些验证数据上显示模型的性能。返回：数据的损失分数。参数：与上面的fit方法相同。 verbose用作二进制标志（进度条或什么都没有）。

从graph.fit()的定义我们知道：

参数：数据：字典映射输入名称输出名称到适当的numpy数组。所有数组都应包含相同数量的样本。

虽然我的拟合方法运行得很完美，但我在IndexError: index 1 is out of bounds for size 1

上得到了evaluate

我的输入形状是：

Xtrain:  (32738, 784)
Xtest:  (16125, 784)
ytest:  (16125,)
ytrain:  (32738,)

我在这里缺少什么？

图模型评估指标错误

0 个答案: