python - ValueError : Layer sequential expects 1 inputs, 但它在 tensorflow 2.0 中收到了 211 个输入张量

Question

我有一个这样的训练数据集(主列表中的项目数是 211，每个数组中的数字数是 185):

[np.array([2, 3, 4, ... 5, 4, 6]) ... np.array([3, 4, 5, ... 3, 4, 5])]

我使用这段代码来训练模型:

def create_model():
model = keras.Sequential([
    keras.layers.Flatten(input_shape=(211, 185), name="Input"), 
    keras.layers.Dense(211, activation='relu', name="Hidden_Layer_1"), 
    keras.layers.Dense(185, activation='relu', name="Hidden_Layer_2"), 
    keras.layers.Dense(1, activation='softmax', name="Output"),
])

model.compile(optimizer='adam',
          loss='sparse_categorical_crossentropy',
          metrics=['accuracy'])

return model

但每当我这样装它时:

model.fit(x=training_data, y=training_labels, epochs=10, validation_data = [training_data,training_labels])

它返回这个错误:

ValueError: Layer sequential expects 1 inputs, but it received 211 input tensors.

可能是什么问题？

Answer 1

您不需要展平您的输入。如果您有 211 个形状为 (185,) 的样本，这已经表示扁平化输入。

但是您最初的错误是您无法将 NumPy 数组列表作为输入传递。它需要是列表的列表或 NumPy 数组。试试这个:

x = np.stack([i.tolist() for i in x])

然后，你又犯了其他错误。您不能通过 SoftMax 激活获得 1 个神经元的输出。它只会输出 1，所以使用 "sigmoid"。这也是错误的损失函数。如果您有两个类别，则应使用 "binary_crossentropy"。

这是一个修复错误的工作示例，从您的无效输入开始:

import tensorflow as tf
import numpy as np

x = [np.random.randint(0, 10, 185) for i in range(211)]
x = np.stack([i.tolist() for i in x])

y = np.random.randint(0, 2, 211)

model = tf.keras.Sequential([ 
    tf.keras.layers.Dense(21, activation='relu', name="Hidden_Layer_1"), 
    tf.keras.layers.Dense(18, activation='relu', name="Hidden_Layer_2"), 
    tf.keras.layers.Dense(1, activation='sigmoid', name="Output"),
])

model.compile(optimizer='adam',
          loss='binary_crossentropy',
          metrics=['accuracy'])


history = model.fit(x=x, y=y, epochs=10)