Question

我正在尝试训练具有1个输入神经元，3个输出神经元的顺序分类器。数据位于数据帧X和Y中，但是如何将这些数据馈送到fit库中的keras函数中？换句话说，train_x和train_y的变量类型应该是什么（例如，它是数据帧，矩阵，列表等）？

[...]

predictor <- keras_model_sequential() %>%
  layer_dense(units = 8, activation = "relu", input_shape = c(1)) %>%
  layer_dense(units = 8, activation = "relu") %>%
  layer_dense(units = 3, activation = "softmax")

[...]

train_x <- X
train_y <- Y

history <- predictor %>% fit(
  train_x,
  train_y,
  epochs = 20,
  verbose = 2
)

编辑：

如果可以使用数据框，那么应该如何设置input_shape？

Answer 1

fit的变量类型应该是向量，矩阵或数组。

根据documentation，其内容如下，

x- 训练数据的向量，矩阵或数组（如果模型具有多个输入，则列出）。如果模型中的所有输入均已命名，则还可以传递将输入名称映射到数据的列表。如果从框架本机张量（例如TensorFlow数据张量）进行馈送，则x可以为NULL（默认值）。
y-目标（标签）数据的矢量，矩阵或数组（如果模型有多个输出）。如果模型中的所有输出均已命名，您还可以传递将输出名称映射到数据的列表。 y可以为NULL （预设）如果是从框架原生张量（例如TensorFlow 数据张量）。

模型需要知道应该期望的输入形状。因此，顺序模型中的第一层（并且只有第一层，因为随后的层可以进行自动形状推断）需要接收有关其输入形状的信息。例如：您可以将batch_size参数传递给图层。如果将batch_size=32和input_shape=c(6, 8)都传递给一个层，它将期望每一批输入都具有批处理形状(32, 6, 8)。

希望这能回答您的问题。学习愉快。

Keras拟合函数应采用哪种形式输入和标签数据？

1 个答案: