我很难将数据输入到预测和训练的简单角点模型中。我已经看过相关的问题了,但在花了6个小时试图自己解决这个问题之后,我仍然在努力解决这个问题。
进口和网络:
from tensorflow import keras
from tensorflow.keras.layers import Dense
from tensorflow import convert_to_tensor
from random import randint
model = keras.Sequential()
model.add(Dense(3, activation='relu', input_dim=5))
model.add(Dense(4, activation='sigmoid'))
model.add(Dense(2))
model.compile(loss=keras.losses.MeanSquaredError(),
optimizer='adam',
metrics=['MeanSquaredError'])试图用网络进行预测:
X = [4, 5, 2, 8, 9]
tensor = convert_to_tensor(X)
print(tensor.shape) # Prints (5, ) as expected
prediction = model.predict(tensor)引发以下错误:
ValueError:在检查输入时出错:期望dense_input具有形状(5 ),但得到带有形状(1,)的数组
试着训练网络:
states = [[7, 8, 3, 9, 7], [0, 7, 5, 0, 3], [2, 5, 8, 1, 10], [9, 9, 9, 8, 6]]
actions = [[1, 0], [0, 1], [0, 1], [0, 1]]
tensor_states = convert_to_tensor(states)
tensor_actions = convert_to_tensor(actions)
print(tensor_states.shape) # Prints (4, 5)
print(tensor_actions.shape) # Prints (4, 2)
model.fit(tensor_states, tensor_actions, verbose=0)引发以下错误:
ValueError: TypeError:超大对象的len()
如果没有verbose=0,我会得到以下错误:
AttributeError:“ProgbarLogger”对象没有属性“log_values”
我是在conda环境下跑步。
我问了一个关于这个话题的previous question,但我意识到我把这个问题弄得太复杂了,不太清楚我在问什么。现在我已经做了更多的研究,我觉得我已经把我的问题简化到了最基本的形式。在考虑了this meta post之后,我写了这个新问题。如果我应该编辑我以前的问题,请告诉我。
编辑-使用darcycp解决问题
正如下面给出的答案所指出的那样,我应该给出一列来预测网络(使用两组括号)。但是,这会产生以下错误:
ValueError: TypeError:超大对象的len()
然后,如果不使用张量(因为keras预测函数可以直接接受python列表),则会出现以下错误:
ValueError:尝试将不受支持的类型()的值(4)转换为张量
这对我来说是非常不寻常的,因为我没有把numpy导入这个程序。
发布于 2020-05-29 23:34:58
我认为这里发生的是张量X是5,1-D输入的张量。当你希望它是一个只有一个输入的张量时,这个模型的有效输入是由5个数字组成的。
试着声明如下:
X = [[4, 5, 2, 8, 9]]您可以将X看作一个数组,它可以包含任务输入的不同实例。这些实例中的每一个本身都是一个输入数组。虽然在这种情况下,X在另一个查询中只有一个输入,但它可能如下所示:
X = [[4, 5, 2, 8, 9],[6,7,9,2,5]]也就是说,X现在是len() == 2的列表,列表中的每一项都是模型的输入。默认情况下,Keras层假设X将由批量输入数据组成。
https://stackoverflow.com/questions/62095948
复制相似问题