Question

这是我在张量流中的第一步。

想法

有一些数字模式（数字数组：Pattern = number[]）。以及与此模式相对应的类别（从0到2的数字：Category = 0 | 1 | 2）。我遵循以下结构数据：xs = Pattern[]，ys = Category[]。

例如：

xs = [[1, 2, 3, 4], [5, 6, 7, 8], ..., [9, 10, 11, 12]];
ys = [1, 0, ..., 2];

我希望神经网络在xs[0]和xy[0]之间找到匹配项，依此类推。我想传递像[1, 2, 3, 4]这样的神经网络数据，并得到接近1的结果。

model.predict(tf.tensor([1, 2, 3, 4])) // ≈1

我的代码

import * as tf from '@tensorflow/tfjs';
require('@tensorflow/tfjs-node');

const xs = tf.tensor2d([
  [1, 2, 3, 4],
  [5, 6, 7, 8],
  [9, 10, 11, 12],
]);
const ys = tf.tensor1d([0, 1, 2]);

const model = tf.sequential();
model.add(tf.layers.dense({ units: 4, inputShape: xs.shape, activation: 'relu' }));
                                   ^ - Pattern length, it is constant
model.add(tf.layers.dense({ units: 3, activation: 'softmax' }));
model.compile({ optimizer: 'adam', loss: 'categoricalCrossentropy', metrics: ['accuracy'] });

model.fit(xs, ys, { epochs: 500 });

我收到关注错误：

检查输入时出错：预期density_Dense1_input具有3个维度。但是得到了形状为3,4的数组

我不明白如何解释神经网络的数据结构。

Answer 1

模型inputShape是[3,4]。为了适合该模型或对其进行预测，它需要格式为[b, 3, 4]的数据，其中b是批生产形状。尝试使用xs拟合模型时，批次形状丢失。

模型inputShape应该为[4]，以便可以将xs用于预测。可以使用xs.shape代替xs.shape.slice(-1)。

const xs = tf.tensor2d([
  [1, 2, 3, 4],
  [5, 6, 7, 8],
  [9, 10, 11, 12],
]);
const ys = tf.tensor1d([0, 1, 2]);

const model = tf.sequential();
model.add(tf.layers.dense({ units: 4, inputShape: xs.shape.slice(1), activation: 'relu' }));
                                  
model.add(tf.layers.dense({ units: 3, activation: 'softmax' }));
model.compile({ optimizer: 'adam', loss: 'categoricalCrossentropy', metrics: ['accuracy'] });

model.fit(xs, ys);
model.predict(xs).print()

此外，如果模型的目标是预测使用softmax和categoricalCrossentropy所指示的类别，则标签应进行一次热编码。

类似的答案：

Answer 2

我找到了适合我任务的解决方案。只需使用import * as tf from '@tensorflow/tfjs'; require('@tensorflow/tfjs-node'); const xArray = [ [1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], ]; const yArray = [0, 1, 2]; const { length } = yArray; const xs = tf.data.array(xArray); const ys = tf.data.array(yArray); const xyDataset = tf.data.zip({ xs: xDataset, ys: yDataset }).batch(length).shuffle(length); const model = tf.sequential(); model.add(tf.layers.dense({ units: length, inputShape: [length], activation: 'relu' })); model.add(tf.layers.dense({ units: 3, activation: 'softmax' })); model.compile({ optimizer: 'adam', loss: 'categoricalCrossentropy', metrics: ['accuracy'] }); model.fitDataset(xyDataset, { epochs: 500 });

https://js.tensorflow.org/api/latest/#tf.Sequential.fitDataset

{{1}}

检查目标时发生错误：预期density_Dense2的形状为x，但数组的形状为y

2 个答案: