检查目标时出错：预期dense_Dense2 的形状为x，但得到的数组的形状为y答案

【问题标题】：Error when checking target: expected dense_Dense2 to have shape x, but got array with shape y检查目标时出错：预期dense_Dense2 的形状为x，但得到的数组的形状为y
【发布时间】：2021-01-06 14:11:39
【问题描述】：

这是我在 tensorflow 中的第一步。

想法

有一些数字模式（数字数组：Pattern = number[]）。以及与此模式对应的类别（从 0 到 2 的数字：Category = 0 | 1 | 2）。我已经按照结构数据：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 });

我收到跟随错误：

检查输入时出错：预期 dense_Dense1_input 具有 3 个维度。但得到了形状为 3,4 的数组

我不明白如何解释我的神经网络数据结构。

【问题讨论】：

标签： tensorflow tensorflow2.0 tensorflow.js

【解决方案1】：

模型 inputShape 是 [3,4] 。为了拟合或预测这个模型，它需要一个格式为 [b, 3, 4] 的数据，其中 b 是批处理形状。尝试使用 xs 拟合模型时缺少批处理形状。

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，如果模型的目标是预测使用 softmax 和 categoricalCrossentropy 指示的类别，那么标签应该是 one-hot 编码的。

类似的答案：

【讨论】：

不幸的是它不起作用。是的，它修复了错误，但是在发生新错误“检查目标时出错：预期dense_Dense2 具有形状[,3]，但得到形状为[3,1] 的数组”之后。我知道需要准备数据或需要更改 inputShape，但我不知道该怎么做。
我运行你的代码，只要你改变它就可以工作：inputShape: xs.shape.slice(1)
嗯...这很奇怪。我现在的代码：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.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, { epochs: 500 });
非常感谢您的帮助！
我不明白这已经改变了，但现在它正在工作！

【解决方案2】：

我找到了适合我的任务的解决方案。只需要使用dataset

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

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 });

【讨论】：