Question

我在Keras中编写了以下模型，但在进行预测时，我遇到了ValueError（在代码之后声明）。我查看了StackOverflow上的其他问题，但只发现了this one，但我无法理解答案的含义。

我正在尝试建立一个网络，它以X为输入，隐藏着200个神经元，最后是一个sigmodial神经元来预测输出类。目标是二元分类。

模型的输入为（n×400）为X，（n，1）为Y. X和Y均为numpy数组。代码和错误消息如下。此外，神经网络的结果是：损失=无限和准确度= 0.0这意味着来自我方的东西显然是错误的。

def create_baseline():
    # create model
    model = Sequential()
    model.add(Dense(200, input_dim=400, kernel_initializer='normal', activation='relu'))
    model.add(Dense(1, kernel_initializer='normal', activation='sigmoid'))
    # Compile model
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model

我按如下方式训练模型：

estimator = KerasClassifier(build_fn=create_baseline, nb_epoch=5, batch_size=5, verbose=1)
estimator.fit(X, Y)

我尝试使用以下内容进行预测：

estimator.predict(X[0])

我收到以下错误：

ValueError: Error when checking : expected dense_34_input to have shape (None, 400) but got array with shape (400, 1)

编辑1：训练数据X具有400个特征（从文档的word2vec学习）。 Y是一个只有0和1的标签。我将训练文件读入一个pandas数据帧，然后使用dataframe.values将X和Y作为numpy数组。

编辑2：根据下面的答案，我从我的模型中预测为estimator.predict(train_X_vals[0].reshape(1,len(train_X_vals[0])))，我得到以下输出：array([[ nan]], dtype=float32)

编辑3：我从训练集中预测了1000 X的值，我得到了所有这些值为nan。

编辑4：我有大约250K的训练样本。在使用所有这些样本后，我得到了损失= nan和所有预测为nan。但是，当我采集2000个样本的样本时，我开始获得良好的价值。

编辑5：似乎我的模型无法处理超过2500个训练样本。我尝试增加训练规模，在3000以上，一切都变得很好。

Answer 1

关于您在指定输入维度时获得的错误，请指定列数，在您的情况下为400。但是，x[0]只是一个向量，因此它不是具有形式的尺寸（None，400），而是尺寸为（400,1）。例如，如果您定义

x=np.random.rand(20,400)

x[0].shape的结果是(400L,)。

因此，您需要相应地重塑x[0]，例如执行x[0].reshape(1,len(x[0]))。

Keras：在做预测和准确性时的ValueError为零

1 个答案: