展平层与输入不兼容答案

【问题标题】：Flatten layer incompatible with input展平层与输入不兼容
【发布时间】：2019-12-09 08:22:36
【问题描述】：

我正在尝试运行代码

import data_processing as dp
import numpy as np
test_set = dp.read_data("./data2019-12-01.csv")
import tensorflow as tf
import keras

def train_model():
    autoencoder = keras.Sequential([
        keras.layers.Flatten(input_shape=[400]),
        keras.layers.Dense(150,name='bottleneck'),
        keras.layers.Dense(400,activation='sigmoid')
    ])
    autoencoder.compile(optimizer='adam',loss='mse')
    return autoencoder

trained_model=train_model()
trained_model.load_weights('./weightsfile.h5')
trained_model.evaluate(test_set,test_set)

第 3 行中的 test_set 是形状为 (3280977,400) 的 numpy 数组。我正在使用 keras 2.1.4 和 tensorflow 1.5。

但是，这会引发以下错误

ValueError: Input 0 is in compatible with layer flatten_1: expected min_ndim=3, found ndim=2

我该如何解决？我尝试更改 flatten 层中的 input_shape 并在互联网上搜索可能的解决方案，但没有一个解决。有谁可以帮我离开这里吗？谢谢

【问题讨论】：

标签： machine-learning deep-learning flatten

【解决方案1】：

经过多次反复试验，我能够运行代码。这是运行的代码：-

import data_processing as dp
import numpy as np
test_set = np.array(dp.read_data("./datanew.csv"))
print(np.shape(test_set))
import tensorflow as tf
from tensorflow import keras
# import keras
def train_model():
    autoencoder = keras.Sequential([
        keras.layers.Flatten(input_shape=[400]),
        keras.layers.Dense(150,name='bottleneck'),
        keras.layers.Dense(400,activation='sigmoid')
    ])
    autoencoder.compile(optimizer='adam',loss='mse')
    return autoencoder

trained_model=train_model()
trained_model.load_weights('./weightsfile.h5')
trained_model.evaluate(test_set,test_set)

我所做的改变是我替换了

导入 keras

与

从张量流导入 keras

这可能也适用于使用旧版本 tensorflow 和 keras 的其他人。我在代码中使用了 tensorflow 1.5 和 keras 2.1.4。

【讨论】：

【解决方案2】：

Keras 和 TensorFlow 只接受批量输入数据进行预测。

您必须“模拟”批次索引维度。

例如，如果您的数据具有 (M x N) 形状，则您需要在预测步骤中输入一个 (K x M x N) 形式的张量，其中 K 是 batch_dimension。

模拟batch轴很容易，你可以使用numpy来实现：

使用：np.expand_dims(axis = 0)，对于形状为 M x N 的输入张量，您现在的形状为 1 x M x N。这就是为什么会出现错误，即缺少“1”或“K”，即第三维那是batch_index吗？

【讨论】：

我添加了test_set = np.expand_dims(test_set, axis=0)，但现在也显示相同的错误
尝试仅使用测试集的一个样本进行测试。如果您在更改维度时遇到完全相同的问题，那么您提供数据的方式显然是一个问题。
使用一个输入样本进行测试，确保您的 expand_dims 正确。