为顺序模型准备数据（机器学习）答案

【问题标题】：Preparing data for sequential model (machine learning)为顺序模型准备数据（机器学习）
【发布时间】：2021-09-21 23:30:03
【问题描述】：

我从文件中获取数据

y = np.genfromtxt('dataY.txt', dtype=np.float32) #input data for target dataset
x = np.genfromtxt('dataX.txt', dtype=np.float32)#input data for input dataset

我相应地拆分数据：

xtrain, xtest, ytrain, ytest = train_test_split (x,y,test_size=.2)
train_data = tf.data.Dataset.from_tensor_slices((xtrain, ytrain))
valid_data = tf.data.Dataset.from_tensor_slices((xtest, ytest))

dataY.txt 文件由 1000 行组成。在给定输入 X 的情况下，每行包含 30 个我希望 NN 在训练后猜测的数字。

dataX.txt 文件由 1000 行组成，每个 Y 行。每行包含 100 个数字。

问题：如何使以下代码工作？

model = Sequential()
#whad do I need to write in the following line(s)?
model.add(Conv2D(100,(7,7)))
model.add(LeakyReLU())
model.compile( loss='mse', metrics=['mse'])
model.fit(train_data, epochs=10, validation_data=valid_data)
ypred = model.predict(x)

错误：

ValueError: Input 0 of layer sequential is incompatible with the layer: : expected min_ndim=4, found ndim=2. Full shape received: (100, 1)

【问题讨论】：

你知道Conv2D是什么吗？为什么要尝试将二维卷积应用于矢量数据？
谢谢，我该如何解决？

标签： python numpy tensorflow neural-network

【解决方案1】：

您似乎正在为一维数据使用卷积层。尝试使用密集层：

model = tf.keras.models.Sequential()
model.add(tf.keras.Input(shape=(100,)))
model.add(tf.keras.layers.Dense(128, activation='relu'))
model.add(tf.keras.layers.Dense(30))
[...]

我还建议您打印 x、y、xtest、xtrain 等的形状，以确保您输入的尺寸正确。

（来源：https://keras.io/api/layers/core_layers/dense/）

【讨论】：