ValueError：检查输入时出错：预期的dense_input有2维，但得到了形状为（1、1、15）的数组

Question

我正在尝试制作一个自定义的健身房环境，以便我可以在 Keras 网络中使用它。但是当我尝试拟合神经网络时，我遇到了一个问题。

ValueError: Error when checking input: expected dense_6_input to have 2 dimensions, but got array with shape (1, 1, 15)

我对这个问题的理解是状态（网络接收的输入）被构造为一个 3 维数组，但我不知道为什么。

这是我在定义环境的类中的 init 方法：

def __init__ (self):
    self.action_space = Discrete (4)
    self.observation_space = Box(low=0, high=100, shape=(15,))
    self.state = np.array([1,2,0,3,2,0,4,0,0,1,3,0,0,0,0], dtype=float)
    #self.state = state
    self.length = 15
    self.index = 0

之后，我初始化了两个变量来保存状态和动作的形状，这样我们就可以定义模型了。

states = env.observation_space.shape
actions = env.action_space.n

def build_model(states, actions):
model = Sequential()    
model.add(Dense(24, activation='relu', input_shape=states))
model.add(Dense(24, activation='relu'))
model.add(Dense(actions, activation='linear'))
return model

模型总结：

图层（类型）输出形状参数#
dense_6（密集）（无，24）384
dense_7（密集）（无，24）600
dense_8（密集）（无，4）100

错误前的最后一步是我构建代理时。之后我们调用fit方法就出现了问题。

def build_agent(model, actions):
   policy = BoltzmannQPolicy()
   memory = SequentialMemory(limit=50000, window_length=1)
   dqn = DQNAgent(model=model, memory=memory, policy=policy, 
              nb_actions=actions, nb_steps_warmup=10, target_model_update=1e-2)
   return dqn

dqn = build_agent(model, actions)
dqn.compile(Adam(lr=1e-3), metrics=['mae'])
dqn.fit(env, nb_steps=50000, visualize=False, verbose=1)

我尝试将第一层的 input_shape 更改为 (1, 1, 15) 但似乎不起作用。也许问题与环境（观察空间）的定义或环境如何向网络提供信息有关。我不知道...

我希望你能帮助我。如果您需要更多信息来处理错误，请告诉我。

非常感谢！

Answer 1

在您的情况下，输入形状应为 (1,15)。这是因为当 keras 批量处理输入时，实际输入形状比您在 shape 中指定的维度增加了一个额外的维度，批量大小是第一个参数。

错误消息告诉您形状 (1,1,15) 的输入正在传递给模型（即批量 1，输入形状 (1,15)，因此 ndims=3），但您只有ndims = 2。尽管只传递了 (15,) 作为输入形状，但请注意 ndims = 2。这是因为 Keras 正在为批处理添加一个额外的维度。

所以要修复，设置shape=(1,15)，然后将其处理为(1,1,15)，这是 Keras 所期望的。