Question

我正在跟踪https://www.tensorflow.org/tutorials/keras/basic_classification来解决Kaggle挑战。

但是，我不知道应该将哪些数据输入到fit函数中。

我将训练数据集分为X_train，y_train，X_test和y_test。 X_train的形状为(13125, 32, 32, 3)。

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(32, 32, 3)),
    keras.layers.Dense(128, activation=tf.nn.relu),
    keras.layers.Dense(10, activation=tf.nn.softmax)
])

model.compile(optimizer='adam', 
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(X_train, y_train, epochs=5)

我得到一个错误：

检查模型目标时出错：传递给模型的Numpy数组列表不是模型期望的大小。预计会看到1个数组，但获得了13125个数组的以下列表：

更新：

# TensorFlow and tf.keras
import tensorflow as tf
from tensorflow import keras

# Helper libraries
import numpy as np
import matplotlib.pyplot as plt

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(32,32,3)),
    keras.layers.Dense(128, activation=tf.nn.relu),
    keras.layers.Dense(10, activation=tf.nn.softmax)
])

model.compile(optimizer='adam', 
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])


X_train_stack = np.vstack(X_train)
model.fit(X_train_stack, y_train, epochs=5)

我遇到一个错误：

检查输入时出错：预期flatten_7_input具有4维，但数组的形状为（420000，32，3）

#read in training set
train_img = []
train_lb = []
for i in range(len(cactus_label)):
    row = cactus_label.iloc[i]
    fileName = row['id']
    train_lb.append(row['has_cactus'])
    path = "../input/train/train/{}".format(fileName)
    im = mpimg.imread(path)
    train_img.append(im)

X_train, X_test, y_train, y_test = train_test_split(train_img, train_lb) 
X_train = np.array(X_train)
X_test = np.array(X_test)

Answer 1

您需要传递numpy数组，但是要传递numpy数组的列表。使用np.stack()从numpy数组列表中创建单个numpy数组：

X_train = np.stack(X_train, axis=0)

在Keras模型中要传递的数据类型适合？

1 个答案: