Keras 简单前馈网络输入形状错误答案

【问题标题】：Keras simple feed-forward network input shape errorKeras 简单前馈网络输入形状错误
【发布时间】：2019-12-16 08:02:56
【问题描述】：

我正在尝试在 Keras 中训练一个非常简单的前馈网络。我想给网络 1800 个号码，并让它激活 6 个输出中的 1 个。

我的模型设置如下：

model = keras.Sequential([
    keras.layers.Dense(256, input_dim = 1800, activation=tf.nn.relu),
    keras.layers.Dense(48, activation=tf.nn.relu),
    keras.layers.Dense(6, activation=tf.nn.softmax)
])

我的数据设置如下：

它分为两个 Python 列表 training_data 和 training_labels。

training_labels 中的一个元素是一个包含 6 个数字的 Python 列表，如下所示：

[0, 0, 0, 0, 1, 0]

training_data 中的一个元素是一个包含 1800 个数字的 Python 列表，如下所示：

[15, 155, 1200, 1, ... ]

总共有 1500 个例子。

为了适应模型，我正在做：

model.fit(training_data, training_labels, batch_size=1)

但我得到了错误：

ValueError: Error when checking input: expected dense_1_input to have shape (None, 1800) but got array with shape (150, 1)

【问题讨论】：

"但是得到了形状为 (150, 1) 的数组"。你没有提供你认为你作为数据提供的东西
打印出training_data.shape。 training_data 不具有您认为的形状
training_data 是一个包含 1500 个元素的 Python 列表。每个元素都是一个包含 1800 个整数的列表。 len(training_data)返回1500，我可以断言里面每个list的长度都是1800。
尝试重塑数据 training_data=np.reshape(1500,1800)
我使用的是 Python 列表，而不是 NumPy。我将转换成 NumPy 数组，看看会发生什么。

标签： python python-3.x machine-learning keras tf.keras

【解决方案1】：

正如 cmets 中所述，您可能对数据的形状存在误解。为了证明这一点，请查看下面的代码。

import numpy as np

training_data = np.random.rand(1500, 1800)
training_labels = np.ones((1500, 6))
model = keras.Sequential([
    keras.layers.Dense(256, input_dim = 1800, activation=tf.nn.relu),
    keras.layers.Dense(48, activation=tf.nn.relu),
    keras.layers.Dense(6, activation=tf.nn.softmax)
])
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
model.fit(training_data, training_labels, batch_size=1)

这个模型编译和训练。

【讨论】：

不错、干净、可重复的答案 (+1)

【解决方案2】：

除了上面提到的，我建议在将数据输入网络之前添加一行：

import numpy as np

training_data = np.asarray(training_data)
assert(training_data.shape = (1500,1800))

【讨论】：