python - 我如何将我的输入/输出数据解析为使用 keras 制作的模型？

Question

我目前正在使用 keras 来训练回归网络。

网络已构建，但我不确定应如何将输入和输出数据传递给模型。

输入和输出都存储为 numpy 数组列表。输入列表中的 numpy 数组的形状为(400 行，y 列)。输出中的 numpy 数组的形状为(y 行，13 列)

网络的输入维度为400，输出维度为13。

根据documentation .

fit(self, x, y, batch_size=32, nb_epoch=10, verbose=1, callbacks=[], validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None)

x: input data, as a Numpy array or list of Numpy arrays (if the model has multiple inputs).

y: labels, as a Numpy array.

y 在这种情况下不是标签，也是原始数据。但是如何确保模型。知道应该将每列作为输入，将行作为输出，对列表中的所有条目执行此操作...

只是解析数据而不对它做任何事情给我这个错误。

Traceback (most recent call last):
  File "tensorflow_datapreprocess_mfcc_extraction_rnn.py", line 167, in <module>
    model.fit(train_set_data,train_set_output,verbose=1)
  File "/usr/local/lib/python2.7/dist-packages/keras/models.py", line 620, in fit
    sample_weight=sample_weight)
  File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 1034, in fit
    batch_size=batch_size)
  File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 961, in _standardize_user_data
    exception_prefix='model input')
  File "/usr/local/lib/python2.7/dist-packages/keras/engine/training.py", line 51, in standardize_input_data
    '...')
Exception: Error when checking model input: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 1 arrays but instead got the following list of 270 arrays: [array([[ -1.52587891e-04,   3.05175781e-05,  -1.52587891e-04,
         -5.18798828e-04,   3.05175781e-05,  -3.96728516e-04,
          1.52587891e-04,   3.35693359e-04,  -9.15527344e-05,
          3.3...

代码:

print "Training!"
model = Sequential()
model.add(Dense(output_dim=13, input_dim=400, init="normal"))
model.add(Activation("relu"))
model.compile(loss='mean_squared_error', optimizer='sgd')
model.fit(train_set_data,train_set_output,verbose=1)

Answer 1

尝试通过转置 numpy 数组来 reshape 您的训练输入，即

x = np.transpose(x)

那么你的训练输入应该是 (number_samples, number_features) 的形状，这是所需的输入格式。您的训练输出已经采用了正确的格式。