将tflearn模型转换为keras

Question

我正在尝试将我的旧tflearn模型转换为keras模型，因为我已经从Tf1.15迁移到Tf2.0，那里不再支持tflearn。我的角膜模型是：

model = tf.keras.Sequential([
    tf.keras.layers.Dense(8, input_shape=(None, len(train_x[0]))),
    tf.keras.layers.Dense(8),
    tf.keras.layers.Dense(len(train_y[0]), activation="softmax"),
])

model.compile(optimizer="adam", loss="sparse_categorical_crossentropy", metrics=["accuracy"])
model.fit(train_x, train_y, epochs=epochs, batch_size=batch_size)

test_loss, test_acc = model.evaluate(train_x, train_y)
print("Tested Acc:", test_acc)

当我运行它时，我会得到以下错误：

ValueError:检查输入时出错:期望dense_input具有三维，但得到形状为(49，51)的数组

我不知道如何纠正这个错误。我是否需要以某种方式重新确定模型的尺寸？我做错了什么？

作为参考，我以前的tflearn模型是：

tf.reset_default_graph()

net = tflearn.input_data(shape=[None, len(train_x[0])])
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, len(train_y[0]), activation='softmax')
net = tflearn.regression(net)

model = tflearn.DNN(net, tensorboard_dir='tflearn_logs')
model.fit(train_x, train_y, n_epoch=epochs, batch_size=batch_size, show_metric=True)

Answer 1

正如我们在注释中所发现的，您的代码有两个问题。

首先，不能在input_shape参数cf中给出批处理维度。Dense。

第二，由于train_y.shape = (?, 6)，您需要使用categorical_crossentropy而不是sparse_categorical_crossentropy。有一个Keras文档中的说明，它详细描述了不同之处。

以下是修正后的代码：

model = tf.keras.Sequential([
    tf.keras.layers.Dense(8, input_shape=(len(train_x[0]))),
    tf.keras.layers.Dense(8),
    tf.keras.layers.Dense(len(train_y[0]), activation="softmax"),
])

model.compile(optimizer="adam", loss="categorical_crossentropy", metrics=["accuracy"])
model.fit(train_x, train_y, epochs=epochs, batch_size=batch_size)