Question

我尝试将我的Keras第一次实现（对这个愚蠢的问题感到抱歉），这是一个更广泛的项目的一部分，目的是使AI学会玩连接4。在此过程中，我将NN传递给了6 * 7网格，它输出7个值的数组，给出游戏中每一列的选择概率。这是Model.summary（）方法的输出，以提供更多细节：

______________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
flatten (Flatten)            (None, 42)                0         
_________________________________________________________________
dense (Dense)                (None, 20)                860       
_________________________________________________________________
dense_1 (Dense)              (None, 20)                420       
_________________________________________________________________
dense_2 (Dense)              (None, 7)                 147       
=================================================================
Total params: 1,427
Trainable params: 1,427
Non-trainable params: 0
_________________________________________________________________
_________________________________________________________________

当我将形状为（1，6，7）的numpy数组传递给模型时，模型将给出预测（此刻为随机），但是，当我尝试训练形状为（221，6，7）的模型时，模型将给出预测）的数据和标签的形状数组（221、7），我得到此错误：

ValueError：检查目标时出错：预期density_2具有形状（1，）但形状为（7，）的数组

这是我用来训练模型的代码（输出（221，6，7）和（221，7））：

board_tensor = np.array(full_board_list)
print(board_tensor.shape)
label_tensor = np.array(full_label_list)
print(label_tensor.shape)
self.model.fit(board_tensor, label_tensor)

这是我用来定义模型的代码：

self.model = keras.Sequential([
             keras.layers.Flatten(input_shape=(6, 7)),
             keras.layers.Dense(20, activation=tf.nn.relu),
             keras.layers.Dense(20, activation=tf.nn.relu),
             keras.layers.Dense(7, activation=tf.nn.softmax)])
self.model.compile(optimizer=tf.train.AdamOptimizer(),
                   loss='sparse_categorical_crossentropy',
                   metrics=['accuracy'])

（模型是AI对象的一部分，因此可以将其与其他类型的AI对象进行比较）这是可以成功预测一批尺寸为1的代码，该代码是由代表板子的二维列表生成的（输出（1、6、7）和（1、7））：

input_tensor = np.array(board.board)
input_tensor = np.expand_dims(input_tensor, 0)
print(input_tensor.shape)
probability_distribution = self.model.predict(input_tensor)
print(probability_distribution.shape)

我意识到该错误可能是由于我对Keras中的方法预期不甚了解所致；因此，作为一点说明，任何人都拥有任何可以理解的良好而透彻的学习资源，真正使您了解每种方法的作用（即，不只是告诉您键入哪种代码来构成图像识别器）。像我这样对Keras和Tensorflow陌生的人吗？

非常感谢！

Answer 1

您正在使用sparse_categorical_crossentropy损失，该损失将使用整数标签（而不是一键编码的整数），而标签是一键编码的。这就是为什么您会得到一个错误。

最简单的解决方法是将损失更改为categorical_crossentropy。

如何在numpy数组中配置数据标签以训练Keras模型？

1 个答案: