tensorflow - Keras错误: expected dense_input_1 to have 3 dimensions

Question

我正在 Keras 中尝试一个简单的模型，我想将其作为输入，大小为 5x3 的矩阵。在下面的示例中，这是在添加第一个密集层时使用 input_shape=(5, 3) 指定的。

from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.optimizers import Adam
import numpy as np


model = Sequential()
model.add(Dense(32, input_shape=(5, 3)))
model.add(Activation('relu'))
model.add(Dense(32))
model.add(Activation('relu'))
model.add(Dense(4))


adam = Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-08, decay=0.0)
model.compile(loss='mean_squared_error', optimizer=adam)


x = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15]])


y = model.predict(x)

但是，当我运行代码时，model.predict() 函数给出以下错误:

ValueError: Error when checking : expected dense_input_1 to have 3 dimensions, but got array with shape (5, 3)

但我不明白这个错误。 x 的形状是 (5, 3)，这正是我告诉第一个密集层期望的输入。为什么它需要三个维度？看起来这可能与batch size有关，但我认为input_shape只是指网络的形状，与batch size无关......

Answer 1

问题出在这里:

model.add(Dense(32, input_shape=(5, 3)))

应该是:

model.add(Dense(32, input_shape=(3,)))

第一个示例维度不包含在input_shape中。还因为它实际上取决于网络拟合期间设置的batch_size。如果你想指定你可以尝试:

model.add(Dense(32, batch_input_shape=(5, 3)))

编辑:

从您的评论中我了解到您希望您的输入具有 shape=(5,3) 在这种情况下您需要:

1. 通过设置 reshape 您的x:

   x = x.reshape((1, 5, 3))
   

   其中第一个维度来自示例。

2. 您需要在某个阶段展平您的模型。这是因为如果没有它，您将通过网络传递 2d 输入。我建议您执行以下操作:

   model = Sequential()
   model.add(Dense(32, input_shape=(5, 3)))
   model.add(Activation('relu'))
   model.add(Dense(32))
   model.add(Activation('relu'))
   model.add(Flatten())
   model.add(Dense(4))