Question

我正在尝试与Keras进行深度学习（菜鸟）。我尝试在加载数据集（培训和测试）后创建模型。我的代码：

scaler = StandardScaler().fit(train)

train=scaler.transform(train)
test=scaler.transform(test)

# Creating Deep Model


model = Sequential()

# Add an input layer
model.add(Dense(12, activation='relu', input_shape=(11,)))

# Add one hidden layer
model.add(Dense(8, activation='relu'))

# Add an output layer
model.add(Dense(1, activation='sigmoid'))

#add improvements 
model.add(BatchNormalization())
model.add(Dropout(0.5))
#Train the model

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

model.fit(train,train_targets,epochs=20, batch_size=1, verbose=1)

但是，我在最后一行收到错误消息：

ValueError：检查输入时出错：预期density_1_input具有形状（11，）但形状为（211，）的数组

错误是什么意思？可能是什么原因造成的？

Answer 1

这意味着您可以通过将超参数设置为input_shape = (11,)来设置第一层以期望输入形状（11，），然后为模型提供等于train的形状。尝试使用：train.shape并检查形状以确保模型可以使用它。您可能需要检查答案Keras input explanation: input_shape, units, batch_size, dim, etc，以确保您了解神经网络超参数的核心概念。

如何修复模型预期密集的值错误？

1 个答案: