tensorflow - 检查目标 : expected dense_Dense2 to have shape x, 时出错，但得到形状为 y 的数组

Question

这是我在 tensorflow 中迈出的第一步。

想法

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

例如:

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

我希望神经网络找到 xs[0] 和 xy[0] 之间的匹配，依此类推。我想传递像 [1, 2, 3, 4] 这样的神经网络数据并获得接近 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 });

我收到以下错误:

Error when checking input: expected dense_Dense1_input to have 3 dimension(s). but got array with shape 3,4

我不明白如何解释我的神经网络数据结构。

Answer 1

模型 inputShape 为 [3,4] 。为了拟合或预测该模型，它需要 [b, 3, 4] 形式的数据，其中 b 是批处理形状。尝试使用 xs 拟合模型时，批量形状丢失。

模型 inputShape 应该是 [4]，以便 xs 可以用于预测。可以使用 xs.shape.slice(-1)，而不是使用 xs.shape。

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，如果模型的目标是通过使用 softmax 和 categoricalCrossentropy 来预测类别，那么标签应该是 one-hot 编码的.

类似答案:

• expected dense dense1 input to have shape a but got array with shape b

• Error when checking input: expected dense_Dense1_input to have x dimension(s). but got array with shape y,z