Question

我是Keras的新手，我正在努力创建一个需要在纸牌游戏中学习的网络。它需要93个二进制输入，其中隐藏层有40个神经元和一个输出神经元，它可以计算得分（从0到25）。

model = Sequential()
model.add(Dense(input_dim=93, units=40, activation="sigmoid"))
model.add(Dense(units=2, activation="linear"))
sgd = optimizers.SGD(lr=0.01, clipvalue=0.5)
model.compile(loss="mse", optimizer=sgd, learning_rate=0.01)

我首先尝试计算（进行前向传播）93个输入

这是＆＃34; s.toInputs（）＆＃34;

[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 1 0 1 1 0 1 1 1 1 0 1 1 1 1 0 1 1 1 1 0 1 0 0 1 1 0 1 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 1 1 0 0 0 0 1 0 1 0 0 0 0 0 1 1 0 0 1 1 0 0 1 0 0 0 0 1 1 0 1]

model.predict(np.array(s.toInputs())

但我收到了错误

ValueError：检查时出错：期望的dense_1_input具有形状（无，93）但是具有形状的数组（93,1）

如何传递正确的参数？

Answer 1

错误消息告诉您，您的数据需要具有(None, 93)形状（None此处意味着，此维度可以具有任意值。这是您的样本数量）

但您的输入数据的形状为(93,1)。请注意，尺寸相反。您可以使用转置来使数据处于正确的形状：

model.predict(np.array(s.toInputs()).T)

Answer 2

实际上s.toInputs()看起来应该是这样的

[[0,0,0，etc ......]，[0,1,0等等......]]

基本上你必须有一个具有以下形状的数组：（n_batches，n_attributes）

你有93个属性，所以如果你使用tensorflow

，这应该可以解决问题

np.array(s.toInputs()).reshape(-1, 93)

完整的工作示例

model = Sequential()
model.add(Dense(input_dim=93, units=40, activation="sigmoid"))
model.add(Dense(units=2, activation="linear"))
sgd = optimizers.SGD(lr=0.01, clipvalue=0.5)
model.compile(loss="mse", optimizer=sgd, learning_rate=0.01)

# random data
n_batches = 10
data = np.random.randint(0,2,93*n_batches)
data = data.reshape(-1,93)

model.predict(data)

Answer 3

重塑的事情很有效。将数组重塑为（batch_size，your_input_dimensions）

np.reshape（batch_size，input_dimesions）

Keras输入形状错误

3 个答案: