Keras:进行预测时的ValueError，准确率为零

Question

我用Keras编写了以下模型，但在进行预测时，我遇到了ValueError (在代码后面声明)。我在StackOverflow上查看了其他问题，但只找到了this one，但我无法理解答案是什么。

我正在尝试建立一个网络，它以X为输入，具有200个神经元的隐藏，最后是一个σ神经元来预测输出类别。目标是二进制分类。

模型的输入是(n X 400)作为X，(n，1)作为Y。X和Y都是数值数组。代码和错误消息如下。此外，神经网络的结果是:损失=无穷大，精确度= 0.0，这意味着我这边的某些东西显然是错误的。

def create_baseline():
    # create model
    model = Sequential()
    model.add(Dense(200, input_dim=400, kernel_initializer='normal', activation='relu'))
    model.add(Dense(1, kernel_initializer='normal', activation='sigmoid'))
    # Compile model
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model

我按如下方式训练模型：

estimator = KerasClassifier(build_fn=create_baseline, nb_epoch=5, batch_size=5, verbose=1)
estimator.fit(X, Y)

我试着用以下几点来预测：

estimator.predict(X[0])

我收到以下错误：

ValueError: Error when checking : expected dense_34_input to have shape (None, 400) but got array with shape (400, 1)

编辑1:训练数据X有400个特征(这些特征是从文档的word2vec中学习的)。Y是一个仅为0和1的标签。我将训练文件读入到pandas数据帧中，然后使用dataframe.values获得X和Y作为numpy数组。

编辑2:基于下面的答案，我从我的模型中预测为estimator.predict(train_X_vals[0].reshape(1,len(train_X_vals[0])))，并得到以下输出：array([[ nan]], dtype=float32)

编辑3:我从训练集中预测1000个X的值，我得到所有这些值作为nan。

编辑4:我有大约25万个训练样本。在使用所有这些样本时，我得到的是loss = nan和所有预测为nan。但是，当我抽取2000个样本时，我开始获得很好的价值。

编辑5:我的模型似乎不能处理超过2500个训练样本。我试着增加训练规模，在3000或更多的时候，所有的东西都变成了nan。

Answer 1

关于您得到的错误-当您指定输入维度时，您需要指定列数，在本例中为400。但是，x[0]只是一个向量，所以它的维数不是形式(None，400)，而是(400，1)。例如，如果您定义

x=np.random.rand(20,400)

x[0].shape的结果是(400L,)。

因此，您需要相应地重塑您的x[0]，例如通过执行x[0].reshape(1,len(x[0]))。