Question

我在Keras中尝试了一个简单的模型，我想把它作为输入大小为5x3的矩阵。在下面的示例中，这是在添加第一个密集层时使用input_shape=(5, 3)指定的。

from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.optimizers import Adam
import numpy as np


model = Sequential()
model.add(Dense(32, input_shape=(5, 3)))
model.add(Activation('relu'))
model.add(Dense(32))
model.add(Activation('relu'))
model.add(Dense(4))


adam = Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-08, decay=0.0)
model.compile(loss='mean_squared_error', optimizer=adam)


x = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15]])


y = model.predict(x)

但是，当我运行代码时，model.predict()函数会出现以下错误：

ValueError：检查时出错：预期dense_input_1有3个维度，但得到的数组有形状（5,3）

但我不明白这个错误。 x的形状是（5,3），这正是我所说的第一个密集层期望作为输入。为什么它期待三个维度？看来这可能与批量大小有关，但我认为input_shape仅指网络的形状，与批量大小无关......

Answer 1

问题在于：

model.add(Dense(32, input_shape=(5, 3)))

它应该是：

model.add(Dense(32, input_shape=(3,)))

第一个示例维度未包含在input_shape中。另外，因为它实际上取决于网络拟合期间设置的batch_size。如果您想指定，可以尝试：

model.add(Dense(32, batch_input_shape=(5, 3)))

修改

根据您的评论，我了解您希望您的输入有shape=(5,3)，在这种情况下您需要：

reshape您的x设置：

x = x.reshape((1, 5, 3))

其中第一个维度来自示例。

您需要在某个阶段flatten模型。这是因为没有它你将通过你的网络传递2d输入。我建议你做以下事情：

model = Sequential() model.add(Dense(32, input_shape=(5, 3))) model.add(Activation('relu')) model.add(Dense(32)) model.add(Activation('relu')) model.add(Flatten()) model.add(Dense(4))

Answer 2

当您使用Sequential API中的add（）方法添加Keras图层时，参数input_shape只关心输入数据的形状，而与batch_size无关。因此，根据您的情况，通过指定参数input_shape =（5，3），可以正确地向模型说明您希望输入形状为（5，3）。
但是，即使您选择的批次大小为1，Keras始终希望您分批提供输入数据。这意味着您需要为输入添加一个额外的维度，以使其与第一个维度成为三维是batch_size。您可以这样：

x = x [None，：，：]

我认为这应该可以解决您的问题

Keras错误：期望dense_input_1有3个维度

2 个答案: