Keras 中 X 的多个特性答案

【问题标题】：Multiple features of X in KerasKeras 中 X 的多个特性
【发布时间】：2017-09-02 22:53:32
【问题描述】：

我的问题是：如果我想像这样使用多个输入数据（X 的多个特征），我该如何更改我的代码（示例）：

trainX = np.array([[1,2], [2,2] ,[3,3.23] ,[4.11,4] ,  [5,5.11] , [6,6] ,[7,7], [8,8.1], [9,9],[10,10]])

代码：

import numpy as np

from keras.models import Sequential
from keras.layers import Dense, Activation

# Teach "Table 3" to the network 
trainX = np.array([1, 2 ,3 ,4 ,  5 , 6 ,7, 8, 9,10])
trainY = np.array([3, 6, 9, 12, 15, 18, 21, 24, 27, 30])

model = Sequential()

model.add(Dense(8, input_dim=1, activation='relu'))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(trainX, trainY, nb_epoch=1200, batch_size=2, verbose=2)


# Predict  3x20, answer = 60
dataPrediction = model.predict(np.array([4]))
print (int(dataPrediction[0][0]), '<--- Predicted number')
print ('12 <-- Correct answer \n')

输出：

12 <--- Predicted number
12 <-- Correct answer

【问题讨论】：

只需将您的 input_dim 更改为 2。

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

【解决方案1】：

请在此处提问之前阅读文档：https://keras.io

回答你的问题：

model.add(Dense(8, input_dim=1, activation='relu'))行中输入维度参数是指定输入形状。当您使用二维特征向量时，input_dim 将为 2。

代码：

import numpy as np

from keras.models import Sequential
from keras.layers import Dense, Activation

# Teach "Table 3" to the network 
trainX = np.array([[1,2], [2,2] ,[3,3.23] ,[4.11,4] ,  [5,5.11] , [6,6] ,[7,7], [8,8.1], [9,9],[10,10]])

trainY = np.array([3, 6, 9, 12, 15, 18, 21, 24, 27, 30])

model = Sequential()

model.add(Dense(8, input_dim=2, activation='relu'))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(trainX, trainY, nb_epoch=1200, batch_size=2, verbose=2)


# Predict  3x20, answer = 60
dataPrediction = model.predict(np.array([[4.11,4]]))
print (dataPrediction, '<--- Predicted number')
print ('12 <-- Correct answer \n')

【讨论】：