python - 当我提供一维列表作为输入时，为什么 Keras 会崩溃？

Question

我刚刚开始使用 Keras，所以我想尝试提出我能想到的最简单的回归问题，就像一种 Hello World。

我正在尝试训练一个输出双倍输入的模型。我想一个有两个节点(1 个输入 1 个输出)且没有激活函数的网络应该可以解决问题。权重应该简单地收敛到 2。

这是我的代码:

layers = keras.layers

# Feed forward structure
model = keras.Sequential()

model.add(layers.Dense(1))

model.add(layers.Dense(1))

model.compile(optimizer=tf.train.AdamOptimizer(0.01),
              loss='mae',
              metrics=['mae'])


train_data = np.asarray([x for x in range(100)])
train_labels = np.asarray([x * 2 for x in train_data])


model.fit(train_data, train_labels, epochs=50, batch_size=32)

但是，当我向它提供一维 numpy 数组时，它会崩溃并出现以下错误:

ValueError: The last dimension of the inputs to `Dense` should be defined. Found `None`.

如果我向 train_data 添加冗余括号，它会编译(不收敛):

train_data = np.asarray([[x for x in range(100)]])

Epoch 50/50

1/1 [==============================] - 0s 705us/step - loss: 50.0463 - mean_absolute_error: 50.0463

Answer 1

如果您为模型指定一个数字，则每个输入样本的形状必须为 (1,)。因此，所有 100 个输入样本的形状均为 (100,1)。因此，您需要使输入数据和标签的形状与预期一致:

train_data = train_data.reshape(100,1)  # 100 samples of shape 1

# you may not need to do the following necessarily
train_labels = train_labels.reshape(100,1)  # 100 labels of shape 1

# alternative way using np.expand_dims
train_data = np.expand_dims(train_data, axis=-1)

旁注:

1. 您的模型有两个Dense层。根据您提供的描述，我认为您只需要一个具有一个密集层的模型，该层有一个单元(即删除其中一个密集层)。

2. 当您将数据放入另一个列表时，如下所示:

   train_data = np.asarray([[x for x in range(100)]])
   

   它将成为形状 (1,100) 的二维数组，这意味着形状 (100,) 的一个样本，这不是您想要的正在寻找。