Question

我正在尝试使用Tensorflow通过Keras构建一个使用时间序列数据来预测下一个值的网络，但是我收到了这个错误：

ValueError: Error when checking target: expected dense_84 to have 2 dimensions, but got array with shape (100, 9, 1)

造成这种情况的原因是什么？我试过像其他帖子所建议的那样重新整理数据，但到目前为止无济于事。这是代码：

import keras
import numpy as np
import os
from keras import losses
from keras.models import Sequential
from keras.layers import Dense, Activation, Flatten, Dropout
from keras.layers.convolutional import Conv1D, Conv2D

# add the desktop to our path so we can access the data
os.path.join("C:\\Users\\user\\Desktop")
# import data
data = np.genfromtxt("C:\\Users\\user\\Desktop\\aapl_blocks_10.csv",
                     delimiter=',')
# separate into inputs and outputs
X = data[:, :9]
X = np.expand_dims(X, axis=2) # reshape (409, 9) to (409, 9, 1) for network
Y = data[:, 9]

# separate into test and train data
X_train = X[:100]
X_test = X[100:]
Y_train = Y[:100]
Y_test = Y[100:]

# set parameters
batch_size = 20;

# define model
model = Sequential()
model.add(Conv1D(filters=20,
                 kernel_size=5,
                 input_shape=(9, 1),
                 padding='causal'))
model.add(Flatten())
model.add(Dropout(rate=0.3))
model.add(Dense(units=10))
model.add(Activation('relu'))
model.add(Dense(units=1))
model.compile(loss=losses.mean_squared_error,
              optimizer='sgd',
              metrics=['accuracy'])

# train model
model.fit(X_train, Y_train, epochs=10, batch_size=batch_size)

# evaluate model
model.evaluate(X_test, Y_test, batch_size=batch_size)

以下是模型摘要：

Layer (type)                 Output Shape              Param #
=================================================================
conv1d_43 (Conv1D)           (None, 9, 20)             120
_________________________________________________________________
flatten_31 (Flatten)         (None, 180)               0
_________________________________________________________________
dropout_14 (Dropout)         (None, 180)               0
_________________________________________________________________
dense_83 (Dense)             (None, 10)                1810
_________________________________________________________________
activation_29 (Activation)   (None, 10)                0
_________________________________________________________________
dense_84 (Dense)             (None, 1)                 11
=================================================================
Total params: 1,941
Trainable params: 1,941
Non-trainable params: 0

如果有正确的格式化数据的方法，或者可能是堆叠这些图层的正确方法，我很想知道。

Answer 1

我怀疑你需要从输出中挤出通道尺寸，即实验室是形状（batch_size，9）并且你将它与具有1个通道的密集层的输出进行比较（batch_size， 9,1）。解决方案：在计算损失之前挤压/压扁。

...
model.add(Activation('relu'))
model.add(Dense(units=1))
model.add(Flatten())
model.compile(loss=losses.mean_squared_error,
              optimizer='sgd',
              metrics=['accuracy'])

关于squeeze vs Flatten的说明：在这种情况下，挤压（移除尺寸1的轴）和展平（形成某种形状的结果）（batch_size，n，m，.. 。）成形（batch_size，n m ...）将是相同的。在这种情况下，挤压可能稍微合适一些，因为如果你不小心挤压没有尺寸1的轴你就会得到一个错误（一件好事），而不是让你的程序以意想不到的行为运行。虽然我不会使用keras而且找不到一个＆＃39; Squeeze＆＃39;层 - 只是一个squeeze功能 - 我并不完全确定如何整合它。

使用Keras的Tensorflow：ValueError - 期望dense_84具有2个维度，但是具有形状的数组（100,9,1）

1 个答案: