Keras 错误：预期 dense_input_1 具有 3 个维度答案

【问题标题】：Keras error: expected dense_input_1 to have 3 dimensionsKeras 错误：预期 dense_input_1 具有 3 个维度
【发布时间】：2017-08-31 04:26:10
【问题描述】：

我正在 Keras 中尝试一个简单的模型，我想将它作为输入一个大小为 5x3 的矩阵。在下面的示例中，这是在添加第一个密集层时使用input_shape=(5, 3) 指定的。

from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.optimizers import Adam
import numpy as np


model = Sequential()
model.add(Dense(32, input_shape=(5, 3)))
model.add(Activation('relu'))
model.add(Dense(32))
model.add(Activation('relu'))
model.add(Dense(4))


adam = Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=1e-08, decay=0.0)
model.compile(loss='mean_squared_error', optimizer=adam)


x = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15]])


y = model.predict(x)

但是，当我运行代码时，model.predict() 函数给出以下错误：

ValueError: 检查时出错：预期的 dense_input_1 有 3 个维度，但得到的数组形状为 (5, 3)

但我不明白这个错误。 x 的形状是 (5, 3)，这正是我告诉第一个密集层期望的输入。为什么它期望三个维度？看来这可能和batch size有关，但我以为input_shape只是指网络的形状，与batch size无关……

【问题讨论】：

标签： tensorflow machine-learning neural-network deep-learning keras

【解决方案1】：

问题出在这里：

model.add(Dense(32, input_shape=(5, 3)))

应该是：

model.add(Dense(32, input_shape=(3,)))

第一个示例维度不包含在input_shape 中。也因为它实际上依赖于网络拟合期间设置的batch_size。如果你想指定你可以尝试：

model.add(Dense(32, batch_input_shape=(5, 3)))

编辑：

根据您的评论，我了解到您希望您的输入具有shape=(5,3)，在这种情况下您需要：

reshape 你的x 通过设置：
```
x = x.reshape((1, 5, 3))
```
第一个维度来自示例。

您需要在某个阶段flatten 您的模型。这是因为没有它，您将通过网络传递2d 输入。我建议您执行以下操作：

model = Sequential()
model.add(Dense(32, input_shape=(5, 3)))
model.add(Activation('relu'))
model.add(Dense(32))
model.add(Activation('relu'))
model.add(Flatten())
model.add(Dense(4))

【讨论】：

感谢您的建议。我尝试使用input_shape=(3,)，但网络y 的输出随后具有形状（5、4）。因此，这表明它将x 视为大小为 5 的批次，每个条目的大小为 3。然后，输出 y 也是大小为 5 的批次，每个输出的大小为 4。但这不是我想要的是。我希望输入的形状为 (5, 3)，这样当我运行 model.predict() 时，它会给我一个形状为 (1, 4) 的输出。

【解决方案2】：

当您使用 Sequential API 中的 add() 方法添加 Keras 层时，参数 input_shape 只关心输入数据的形状，而与 batch_size 无关。因此，在您的情况下，您通过指定参数 input_shape = (5, 3) 向模型说明您想要 (5, 3) 的输入形状是正确的。
然而，Keras 总是希望您分批提供输入数据，即使您选择批量大小为 1。这意味着您需要在输入中添加一个额外的维度，以使其具有第一个维度的三维是batch_size。你可以这样做：

x = x[无,:,:]

我认为这应该可以解决您的问题

【讨论】：