Question

我想将一个numpy数组馈入CNN，该数组包含2个棋位置，一个在移动之前，另一个在移动之后。我想训练CNN来估算常规棋程序对该动作的评估。这些评估是整数值。

Traceback (most recent call last): File "Main.py", line 16, in <module> print(int(int(a[0])-int(a[2]))) ValueError: invalid literal for int() with base 10: 'x' During handling of the above exception, another exception occurred: Traceback (most recent call last): File "Main.py", line 18, in <module> print(int(int(a[0])-int(a[4]))) ValueError: invalid literal for int() with base 10: 'x'和['1', '+', '3', '=', 'x']的形状为：m

型号代码：

Map

培训是通过以下方式完成的：

t = g.addV()
m.each{k,v -> t= t.property(k,v)]
t

它给我以下错误：

STATICFILES_DIRS = [
    os.path.join(
        BASE_DIR,
        '/static/')
]

我做错了什么？我该如何解决？

好的，我意识到问题与最后一层的输出形状有关：

但是为什么y呢？不应该是x: (2000000, 8, 8, 2) , y: (2000000,)吗？这是一个具有1个值的神经元！

Answer 1

但是为什么会这样（无，4、4、1）？应该不是（无，1）吗？

不，不应该。因为Dense layer is applied on the last axis of its input，因此由于在这种情况下，它被应用到Conv2D层的输出（它是4D张量），因此Dense层的输出也将是4D张量。要解决此问题，您可以先使用Conv2D层将Flatten层的输出展平，然后再使用Dense层，如下所示：

model.add(Conv2D(128, kernel_size=(3, 3), strides=(1, 1), activation='relu'))
model.add(Flatten())  # flatten the output of `Conv2D` to a 2D tensor
model.add(Dense(128, activation='relu', init='uniform'))

CNN下象棋时在Keras（TF）中输入数组的尺寸问题

1 个答案: