总体来说,我对Tensorflowjs和Tensorflow非常陌生。我有一些数据,容量使用率超出100%,因此数字介于0和100之间,并且每天有5个小时记录这些容量。因此,我有一个5天的矩阵,其中100%中包含5个百分比。
我有以下模型:
const model = tf.sequential();
model.add(tf.layers.dense({units: 1, inputShape: [5, 5] }));
model.compile({ loss: 'binaryCrossentropy', optimizer: 'sgd' });
// Input data
// Array of days, and their capacity used out of
// 100% for 5 hour period
const xs = tf.tensor([
[11, 23, 34, 45, 96],
[12, 23, 43, 56, 23],
[12, 23, 56, 67, 56],
[13, 34, 56, 45, 67],
[12, 23, 54, 56, 78]
]);
// Labels
const ys = tf.tensor([[1], [2], [3], [4], [5]]);
// Train the model using the data.
model.fit(xs, ys).then(() => {
model.predict(tf.tensor(5)).print();
}).catch((e) => {
console.log(e.message);
});
我收到一条错误消息:Error when checking input: expected dense_Dense1_input to have 3 dimension(s). but got array with shape 5,5
。因此,我怀疑我以某种方式错误地输入或映射了我的数据。
答案 0 :(得分:2)
您的错误来自一方面是训练和测试数据的大小不匹配,另一方面是由于定义为模型的输入
model.add(tf.layers.dense({units: 1, inputShape: [5, 5] }));
inputShape是您的输入尺寸。这里是5,因为每个要素都是大小为5的数组。
model.predict(tf.tensor(5))
另外,为了测试模型,数据的形状应与训练模型时的形状相同。您的模型无法使用tf.tensor(5)
进行预测。因为您的训练数据和测试数据大小不匹配。考虑使用此测试数据,而不是tf.tensor2d([5, 1, 2, 3, 4], [1, 5])
这是工作中的snipet