node.js - Tensorflow.js inputShape 与模型输入不匹配

Question

这似乎很基本，但我无法弄清楚。

所以我有样本/数据/输入，它是一个由 10 个整数组成的数组，而输出/标签只是一个整数数组。

让我解释一下，因为我的数据可能结构不正确。基于 10 个整数的输入，我告诉模型结果是标签/输出中的 1 个整数。

最重要的是，我无法对数据进行批处理，因为它们是连续的。这意味着输入向右移动一位，因此sample[i+1]中的前九个整数是sample[i]的最后9个加上一个新的整数。

这是我的编码方式。

let labels = [1,0,0...]

let samples = [[0,1,1,0,1,0,1,1,1,0], ...]

基本上是 10 个数组的数组。

const model = tf.sequential();
let input = tf.tensor2d(samples);
model.add(tf.layers.dense({ units: 10, batchInputShape: [1, 10], activation: "sigmoid" }));
model.add(tf.layers.dense({ units: 1, activation: "softmax" }));
model.summary();
model.compile({ loss: "meanSquaredError", optimizer: "sgd", metrics: ["accuracy"] });
model.fit(labels, input, { batchSize: 1, shuffle: false, verbose: 1 });

当我尝试这个或任何其他输入组合时，我得到以下内容

UnhandledPromiseRejectionWarning: Error: Error when checking model input: the Array of Tensors that you are passing to your model is not the size the model expected. Expected to see 1 Tensor(s), but instead got the following list of Tensor(s): 0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0,1,0

预先感谢您的帮助。

Answer 1

inputShape doesn't match model input

该错误表明模型的输入与数据之间存在形状不匹配。

如何解决这个问题？

• 要素应具有与 batchInputShape 相同的形状，或者应比 InputShape 高一维。 batchInputShape 的第一个维度通常为空，以允许在训练期间使用不同的batchInputShape。但是，通过在此处指定恰好为 1(与 null 不同)，训练的特征的第一个维度应该恰好等于 1。如果它为 null，则可能具有形状为 [b, ...InputShape] 的特征

• 标签的形状应为[b, LastLayerUnit]。同样，通过指定批处理的硬编码值(与 null 不同)，标签的第一个维度应该恰好是该长度。

批量尺寸是多少？

here是一个有趣的答案来理解它。简单地说，给定一个模型。以下允许训练模型:

model.fit(features, label)

features 是一组特征，而特征是我们想要进行预测的一个元素。因此，批量大小就是该数组的长度。模型的第一层可以具有参数 inputShape 或batchInputShape 或两者都有，因为batchInputShape 将优先于inputShape。当仅提供 inputShape 时，batchInputShape = [null, ...InputShape]，这表明我们可以使用各种长度的特征元素来拟合模型，前提是标签具有相同的标签长度​​，这对于需要为每个特征提供标签是有意义的。

因此

      inputShape = batchInputShape[1:] // python notation 
      inputShape = batchInputShape.slice(1) // js notation

无论如何，特征应该与inputShape具有相同的形状。

const model = tf.sequential();
model.add(tf.layers.dense({ units: 10, batchInputShape: [1, 10], activation: "sigmoid" }));
model.add(tf.layers.dense({ units: 1, activation: "softmax" }));
model.summary();
model.compile({ loss: "meanSquaredError", optimizer: "sgd", metrics: ["accuracy"] });


const arr = Array.from({length: 10}, (_, k) => k+1 )
const features =  tf.tensor(arr, [1, 10])
const labels = tf.tensor([1], [1, 1])

logs = await model.fit(features, labels, { batchSize: 1, shuffle: false, verbose: 1 });
console.log(logs)