Skip to main content
 首页 » 编程设计

python之Keras输入形状错误

2025年02月15日8三少

我是 Keras 的新手,我正在尝试创建需要在纸牌游戏中学习的网络。它需要 93 个二进制输入,隐藏层有 40 个神经元和一个计算分数(从 0 到 25)的输出神经元。

model = Sequential() 
model.add(Dense(input_dim=93, units=40, activation="sigmoid")) 
model.add(Dense(units=2, activation="linear")) 
sgd = optimizers.SGD(lr=0.01, clipvalue=0.5) 
model.compile(loss="mse", optimizer=sgd, learning_rate=0.01) 

我首先尝试计算(进行前向传播)93 个输入

这是“s.toInputs()”

[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 1 0 1 1 0 1 1 1 1 0 1 1 1 1 0 1 1 1 1 0 1 0 0 1 1 0 1 0 0 0 0 0 0 0 0 0 0 1 0 1 0 0 1 1 0 0 0 0 1 0 1 0 0 0 0 0 1 1 0 0 1 1 0 0 1 0 0 0 0 1 1 0 1]

model.predict(np.array(s.toInputs()) 

但是我得到了错误

ValueError: Error when checking : expected dense_1_input to have shape (None, 93) but got array with shape (93, 1)

如何传递正确的参数?

请您参考如下方法:

实际上 s.toInputs() 应该是这样的

[[0,0,0, etc...],[0,1,0, etc...]]

基本上你必须有一个具有以下形状的数组:(n_batches, n_attributes)

你有 93 个属性,所以如果你使用的是 tensorflow,这应该可以解决问题

np.array(s.toInputs()).reshape(-1, 93) 

完整的示例

model = Sequential() 
model.add(Dense(input_dim=93, units=40, activation="sigmoid")) 
model.add(Dense(units=2, activation="linear")) 
sgd = optimizers.SGD(lr=0.01, clipvalue=0.5) 
model.compile(loss="mse", optimizer=sgd, learning_rate=0.01) 
 
# random data 
n_batches = 10 
data = np.random.randint(0,2,93*n_batches) 
data = data.reshape(-1,93) 
 
model.predict(data)