Question

我想探索Keras定义的张量流模型的中间层：

  input_dim = 30
  input_layer = Input(shape=(input_dim, ))

  encoder = Dense(encoding_dim, activation="tanh", 
            activity_regularizer=regularizers.l1(10e-5))(input_layer)
  encoder = Dense(int(encoding_dim / 2), activation="relu")(encoder)

  decoder = Dense(int(encoding_dim / 2), activation='tanh')(encoder)
  decoder = Dense(input_dim, activation='relu')(decoder)

  autoencoder = Model(inputs=input_layer, outputs=decoder)

  ####TRAINING....

  #inspect layer 1
  intermediate_layer_model = Model(inputs=autoencoder.layers[0].input,
                             outputs=autoencoder.layers[1].output)
  xtest = #array of dim (30,)
  intermediate_output = intermediate_layer_model.predict(xtest)
  print(intermediate_output)

但是在检查时却出现尺寸错误：

/usr/local/lib/python2.7/site-packages/keras/engine/training_utils.pyc in standardize_input_data(data, names, shapes, check_batch_axis, exception_prefix)
    134                             ': expected ' + names[i] + ' to have shape ' +
    135                             str(shape) + ' but got array with shape ' +
--> 136                             str(data_shape))
    137     return data
    138 

ValueError: Error when checking input: expected input_4 to have shape (30,) but got array with shape (1,)

任何帮助表示赞赏

Answer 1

来自Keras docs：

shape：形状元组（整数），不包括批量大小。例如，shape =（32，）表示预期的输入将是32维向量的批次。

指定模型时，不需要提供批次尺寸。 model.predict()希望您的数组具有这样的形状。

将xtest重塑为包含批处理尺寸：xtest = np.reshape(xtest, (1, -1))并将batch_size的{{1}}参数设置为1。

检查输入时出现Keras错误

1 个答案: