Question

我对Keras和整个机器学习都是陌生的，但这就是我想要的。我有一个输入列表（每个输入节点1个值）和一个目标列表（每个输出节点1个值）。

    input_list = [1, 0, 1, 0, 1, 0] # maybe longer

    wanted_output_list = [1, 0, 0, 0] # also maybe longer

现在我想把这些作为输入来训练我的神经网络：

    # create model
    model = Sequential()

    # get number of columns in training data
    n_cols = 6

    # add model layers
    model.add(Dense(6, activation='relu', input_shape= (n_cols,)))
    model.add(Dense(2, activation='relu'))
    model.add(Dense(2, activation='relu'))
    model.add(Dense(3))

    # compile the model
    model.compile(optimizer='adam', loss='mean_squared_error')

    # train model
    model.fit(input_list, wanted_output_list, validation_split=0.2, epochs=30)

但是我收到此错误：

    ValueError: Error when checking input: dense_1_input to have shape (6,) but got with shape (1,)

任何人都可以告诉我为什么以及如何解决此问题吗？

Answer 1

定义模型时，您指定了一个模型，该模型接受具有6个特征的输入，并输出具有3个分量的向量。但是，您训练的数据的形状不正确（顺便说一下，您的标签也不正确）。您应该按照定义模型的方式来塑造数据。在这种情况下，这意味着您的训练数据的每个样本都是具有6个成分的向量，每个标签都是具有3个成分的向量。

当训练具有多个输入的模型时，Keras需要一个numpy array（或2D数组）列表，请参见documentation。

x ：输入数据。可能是：


一个Numpy数组（或类似数组的数组）或数组列表（如果模型具有多个输入）。

因此，根据您的模型定义，您可以通过以下方式调整训练数据：

import numpy as np
# your data, in this case 2 datapoints
X = np.array([[1, 0, 1, 0, 1, 0], [0, 1, 0, 1, 0, 1]])
# the corresponding labels
y = np.array([[1, 0, 0], [0, 1, 0]])

然后通过调用fit训练模型。

model.fit(x, y, epochs=30)

Answer 2

如果您实际上是在询问具有多个输入和输出而不是多个功能（不是同一件事），则无法使用顺序API来完成，而必须使用Keras Functional API。在这里，您可以定义多个输入和输出，然后根据您的建议将其作为列表传递。

My answer也可能对上个星期的这个主题有帮助。

Answer 3

请将输入要素和类转换为数组，并将最后一层中的节点数设置为y中的类数。请参考下面的代码：

X = np.array（[[1，0，1，0，1，0]]）

y = np.array（[[1，0，0,0]]）

model = Sequential（）

n_cols = 6

model.add（Dense（6，activation ='relu'，input_shape =（n_cols，）））

model.add（Dense（2，activation ='relu'））

model.add（Dense（5））

model.compile（optimizer ='adam'，loss ='mean_squared_error'）

model.fit（X，y，epochs = 30）

如何在keras中训练顺序模型，并给出输出和输入列表？

3 个答案: