Question

我目前正在使用keras来训练回归网络。

网络已构建，但我不确定如何将输入和输出数据传递给模型。

输入和输出都存储为numpy数组列表。输入列表中的numpy数组的形状为（400行， y 列）。输出中的numpy数组的形状为（ y 行，13列）

网络的输入维度为400，输出为13.

fit(self, x, y, batch_size=32, nb_epoch=10, verbose=1, callbacks=[], validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None)

x：输入数据，作为Numpy数组或Numpy数组列表（如果模型有多个输入）。

y：标签，作为Numpy数组。

在这种情况下，

y不是标签，但原始数据也是如此。但是如何确保模型。知道将输入和行的每一列作为输出，对列表中的所有条目执行...

只是解析数据而不对它做任何事情就会给我这个错误。

Traceback (most recent call last):
  File "tensorflow_datapreprocess_mfcc_extraction_rnn.py", line 167, in <module>
    model.fit(train_set_data,train_set_output,verbose=1)
  File "/usr/local/lib/python2.7/dist-packages/keras/models.py", line 620, in fit
    sample_weight=sample_weight)
  File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 1034, in fit
    batch_size=batch_size)
  File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 961, in _standardize_user_data
    exception_prefix='model input')
  File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 51, in standardize_input_data
    '...')
Exception: Error when checking model input: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 1 arrays but instead got the following list of 270 arrays: [array([[ -1.52587891e-04,   3.05175781e-05,  -1.52587891e-04,
         -5.18798828e-04,   3.05175781e-05,  -3.96728516e-04,
          1.52587891e-04,   3.35693359e-04,  -9.15527344e-05,
          3.3...

代码：

print "Training!"
model = Sequential()
model.add(Dense(output_dim=13, input_dim=400, init="normal"))
model.add(Activation("relu"))
model.compile(loss='mean_squared_error', optimizer='sgd')
model.fit(train_set_data,train_set_output,verbose=1)

Answer 1

尝试通过转换numpy数组来重塑你的训练输入，即

x = np.transpose(x)

然后你应该以（number_samples，number_features）的形状输入你的训练，这是输入所需的格式。您的训练输出格式正确。

如何将输入/输出数据解析为使用keras制作的模型？

1 个答案: