合并后,预期的Keras形状不匹配

时间:2019-06-25 22:39:01

标签: python tensorflow machine-learning keras

我正在Keras中构建一些简单的模型,以提高我的深度学习知识,并遇到一些我不太了解如何调试的问题。

我想使用1D CNN对某些时间序列数据执行回归。我的输入特征张量的形状为N x T x D,其中N是数据点数,T是序列数,D是维数。我的目标张量的形状为N x T x 1(之所以为1,是因为我试图输出标量值)。

我已经建立了这样的模型架构:

feature_tensor.shape
# (75584, 40, 38)
target_tensor.shape
# (75584, 40, 1)

inputs = Input(shape=(SEQUENCE_LENGTH,DIMENSIONS))
conv1 = Conv1D(filters=64, kernel_size=3, activation='relu')
x = conv1(inputs)
x = MaxPooling1D(pool_size=2)(x)
x = Flatten()(x)
x = Dense(100, activation='relu')(x)
predictions = Dense(1, activation="linear")(x)
model = Model(inputs, predictions)
opt = Adam(lr=1e-5, decay=1e-4 / 200)
model.compile(loss="mean_absolute_error", optimizer=opt)

但是,当我尝试训练模型时,得到以下输出:

r = model.fit(cleaned_tensor, target_tensor, epochs=100, batch_size=2058)
  

ValueError:检查目标时出错:预期density_164为2   尺寸,但数组的形状为(75584,40,1)。

熟悉前两个数字:75584是样本数,40是序列长度。

调试模型摘要对象时,我看到Flatten层的预期输出应为1216

enter image description here

但是,我和我的同事长时间盯着代码,无法理解为什么(75584, 40, 1)的形状在到达密集层时是通过体系结构到达的。

有人可以指出我做错了什么方向吗?

1 个答案:

答案 0 :(得分:1)

尝试将目标变量重塑为N x T,看来您的最终密集层应为40而不是1(我认为)。