Question

我正在编写一个非常简单的网络：

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

training_data = np.array([[1, 1, 1], [2, 3, 1], [0, -1, 4], [0, 3, 0], [10, -6, 8], [-3, -12, 4]])
testing_data = np.array([6, 11, 1, 9, 10, -38])

model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(units = 1, activation = tf.keras.activations.relu, input_shape = (3, )))
model.compile(optimizer = tf.keras.optimizers.RMSprop(0.001), loss = tf.keras.losses.mean_squared_error, metrics = tf.keras.metrics.mean_squared_error)
model.summary()
model.fit(training_data, testing_data, epochs = 1, verbose = 'False')
print("Traning completed.")
model.predict(np.array([1, 1, 1]))

目标是训练权重，例如：aX + bY + cZ =（输出）
但是我得到了错误

ValueError：sequence_54层的输入0与该层不兼容：预期输入形状的轴-1具有值3，但接收到形状为[None，1]的输入

我无法显示尺寸图，这是我做错了！有帮助吗？

Answer 1

在Keras中，当您指定输入形状批次大小时，请忽略here以获取更多详细信息。您对input_shape = (3, )的声明是正确的，但是在进行推断时，您还需要考虑批次大小，方法是为批次大小添加一个额外的尺寸，因此您需要{{1}来代替np.array([1, 1, 1]) }。

np.array([[1, 1, 1]])

希望这会有所帮助！

简单的单层神经网络

1 个答案: