Keras：进行预测时的 ValueError 和准确性为零

Question

我在 Keras 中编写了以下模型，但是在进行预测时，我遇到了 ValueError（在代码之后说明）。我查看了 StackOverflow 上的其他问题，但只找到了 this one，但我无法理解答案在说什么。

我正在尝试构建一个网络，它以 X 作为输入并隐藏 200 个神经元，最后是一个 sigmodial 神经元来预测输出类。目标是二分类。

模型的输入是 (n x 400) 作为 X 和 (n, 1) 作为 Y。X 和 Y 都是 numpy 数组。代码和错误信息如下。此外，神经网络的结果是：Loss = Infinite 和 Accuracy = 0.0，这意味着我这边的某些事情显然是错误的。

def create_baseline():
    # create model
    model = Sequential()
    model.add(Dense(200, input_dim=400, kernel_initializer='normal', activation='relu'))
    model.add(Dense(1, kernel_initializer='normal', activation='sigmoid'))
    # Compile model
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model

我训练模型如下：

estimator = KerasClassifier(build_fn=create_baseline, nb_epoch=5, batch_size=5, verbose=1)
estimator.fit(X, Y)

我尝试使用以下方法进行预测：

estimator.predict(X[0])

我收到以下错误：

ValueError: Error when checking : expected dense_34_input to have shape (None, 400) but got array with shape (400, 1)

编辑 1：训练数据 X 有 400 个特征（从文档的 word2vec 中学习）。 Y 是一个只有 0 和 1 的标签。我将训练文件读入 pandas 数据帧，然后使用dataframe.values 将 X 和 Y 获取为 numpy 数组。

编辑2：根据下面的答案，我从我的模型中预测为estimator.predict(train_X_vals[0].reshape(1,len(train_X_vals[0])))，我得到以下输出：array([[ nan]], dtype=float32)

编辑 3：我从训练集中预测 1000 个 X 的值，我得到所有这些作为 nan。

编辑 4：我有大约 25 万个训练样本。使用所有这些样本后，我得到 loss = nan 和所有预测为 nan。但是当我抽取 2000 个样本时，我开始得到很好的值。

编辑 5：我的模型似乎无法处理超过 2500 个训练样本。我尝试增加训练规模，在 3000 或更多时，一切都变成了 nan。

Answer 1

关于您得到的错误 - 当您指定输入维度时，您指定列数，在您的情况下为 400。但是，x[0] 只是一个向量，因此它的维度不是 (None, 400) 形式的维度，而是 (400, 1)。例如，如果您定义

x=np.random.rand(20,400)

x[0].shape 的结果是(400L,)。

所以你需要相应地重塑你的x[0]，例如通过x[0].reshape(1,len(x[0]))。