Question

我想基于使用TfidfVectorizer的矢量化单词进行多标签分类（20个不同的输出标签）。我有39974行，每行包含2739项（0或1）。

我想使用Keras模型对这些数据进行分类，该模型将包含1个隐藏层（~20个节点激活='relu'）和输出层等于20个可能的输出值（激活='softmax'以选择最佳拟合）

到目前为止，这是我的代码：

model = Sequential()
model.add(Dense(units=20, activation='relu', input_shape=tfidf_matrix.shape))
model.add(Dense(units=20, activation='softmax'))
model.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])
model.fit(tfidf_matrix, train_data['cuisine_id'], epochs=10)

但得到了错误：

ValueError：检查输入时出错：期望的dense_1_input有 3个维度，但有阵列形状（39774,2739）

如何使用此矩阵指定此NN？

Answer 1

行数（训练样本的数量）不是网络输入形状的一部分，因为训练过程为网络每批次提供一个样本（或者更确切地说，每批次的batch_size样本）。

因此，在您的情况下，网络的输入形状为(2739, )，正确的代码应如下所示：

model = Sequential()
# the shape of one training example is
input_shape = tfidf_matrix[0].shape
model.add(Dense(units=20, activation='relu', input_shape=input_shape))
model.add(Dense(units=20, activation='softmax'))
model.compile(optimizer='rmsprop', loss='categorical_crossentropy', 
metrics=['accuracy'])
model.fit(tfidf_matrix, train_data['cuisine_id'], epochs=10)

Keras：预计有3个维度，但是有阵列形状 - 密集模型

1 个答案: