当我输入一维列表作为输入时，为什么 Keras 会崩溃？

Question

我刚刚开始使用 Keras，所以我想尝试制作我能想到的最简单的回归问题，作为一种 Hello World。

我正在尝试训练一个输出双倍输入的模型。我想一个没有激活函数的具有两个节点（1 个输入 1 个输出）的网络应该可以解决问题。权重应该简单地收敛到 2。

这是我的代码：

layers = keras.layers

# Feed forward structure
model = keras.Sequential()

model.add(layers.Dense(1))

model.add(layers.Dense(1))

model.compile(optimizer=tf.train.AdamOptimizer(0.01),
              loss='mae',
              metrics=['mae'])


train_data = np.asarray([x for x in range(100)])
train_labels = np.asarray([x * 2 for x in train_data])


model.fit(train_data, train_labels, epochs=50, batch_size=32)

但是，当我向它提供一维 numpy 数组时，它会崩溃并出现以下错误：

ValueError: The last dimension of the inputs to `Dense` should be defined. Found `None`.

如果我在train_data 中添加多余的括号，它会编译（不收敛）：

train_data = np.asarray([[x for x in range(100)]])

Epoch 50/50

1/1 [==============================] - 0s 705us/step - loss: 50.0463 - mean_absolute_error: 50.0463

Answer 1

如果您给模型一个数字，每个输入样本的形状必须为(1,)。因此，所有 100 个输入样本都将具有 (100,1) 的形状。因此，您需要使输入数据的形状和标签与预期一致：

train_data = train_data.reshape(100,1)  # 100 samples of shape 1

# you may not need to do the following necessarily
train_labels = train_labels.reshape(100,1)  # 100 labels of shape 1

# alternative way using np.expand_dims
train_data = np.expand_dims(train_data, axis=-1)

旁注：

1. 您的模型有两个 Dense 层。根据您提供的描述，我认为您只需要一个具有一个 Dense 层的模型，该模型具有一个单元（即删除其中一个 Dense 层）。

2. 当您将数据放在另一个列表中时，如下所示：

   train_data = np.asarray([[x for x in range(100)]])
   

   它将变成形状为 (1,100) 的二维数组，这意味着 一个 形状为 (100,) 的样本，这不是您想要的。