python - 无法找出 keras 输入形状错误？

Question

我试图向我的神经网络传递一个形状为 (1169909, 10, 10) 的数组。

但无论我做什么...

input_shape=(None,10,10)
input_shape=x_train.shape[1:]
input_shape=x_train.shape
input_shape=(1169909, 1)
input_shape=(10,10)
input_shape=(1169909,10)
input_shape=(1169909,10,10)
input_shape=(1,10,10)

我仍然收到错误。错误发生变化:

but got array with shape (1169909, 10, 10)
but got array with shape (1169909, 1)

取决于我提供输入的方式，这只会增加我的困惑。

实际输入如下所示，它是这些较小的 10x10 数组的数组:

array([[ 2, -1, -1, -1, -1, -1, -1, -1, -1,  0],
       [-1, -1, -1, -1, -1, -1, -1, -1, -1, -1],
       [11, -1, 11,  6,  3,  2, -1, -1, -1, 11],
       [-1, -1, -1, -1,  5,  7, -1, -1,  2,  7],
       [-1, -1, -1, -1, -1, -1, -1, -1, -1, -1],
       [-1, -1, -1, -1, -1, -1, -1, -1, -1, -1],
       [-1, -1, -1, -1, 22, 25, -1, -1, -1, 22],
       [22, -1, -1, -1, 26, 29, -1, -1, 26, 25],
       [27, -1, -1, -1, -1, -1, -1, -1, -1, 23],
       [31, 24, 31, -1, -1, -1, -1, -1, -1, 31]])

我试图通过查看堆栈溢出和其他地方来理解这个问题，但我无法找出问题所在，并且这些解决方案对我不起作用。

这是目前的模型:

x_train, x_test, y_train, y_test = train_test_split(xving, ywing, test_size=0.2)

x_train = numpy.array(x_train)
y_train = numpy.array(y_train)


model = Sequential()
model.add(keras.layers.Dense(250,activation='tanh', input_shape=(None,10,10)))
model.add(keras.layers.Dense(150,activation='relu'))
model.add(keras.layers.Dense(25,activation='sigmoid'))
model.add(keras.layers.Dense(2,activation='softmax'))
optimizerr = keras.optimizers.SGD(lr=0.01, momentum=0.0, decay=0.0, nesterov=False)
model.compile(optimizer=optimizerr, loss='categorical_crossentropy', metrics=['accuracy'])

model.fit(x_train, y_train,epochs = 25, batch_size = 32, verbose=1)

编辑: 所以当我使用时:

input_shape=x_train.shape[1:]

目标出现错误:

Error when checking target: expected dense_32 to have 3 dimensions, but got array with shape (1169909, 1)

但是目标是一个数组。当我将其保留为列表时，我收到错误:

ValueError: Error when checking model target: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 1 array(s), but instead got the following list of 1169909 arrays: [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0...

所以现在我想我的问题是关于为什么目标是一个问题。

y_train.shape

产量:

(1169909,)

所以我还是很困惑？

Answer 1

假设你有 1169909 张图片(或 2D 数据项)作为数据集，如果你想将它们作为矩阵传递给你的模型，你应该在前面使用 2D 卷积层，否则它与之前展平每张图片没有什么不同将它们全部传递给您的模型。我建议使用卷积模式，但如果不是这种情况，您可以像这样展平数组:

x = x.reshape((1169909, 100))
model.add(keras.layers.Dense(250, activation='tanh', input_dim=100))

同样，将 2D 数据传递到密集层不会利用数据的结构属性。