如何在 numpy 数组中配置数据标签以训练 Keras 模型？

Question

我第一次尝试实现 Keras（很抱歉问了这个愚蠢的问题），作为一个更广泛的项目的一部分，目的是制作一个学习玩 connect 4 的 AI。作为其中的一部分，我通过了一个 NN一个 6*7 的网格，它输出一个包含 7 个值的数组，给出游戏中每一列的选择概率。下面是 Model.summary() 方法的输出，更详细一点：

______________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
flatten (Flatten)            (None, 42)                0         
_________________________________________________________________
dense (Dense)                (None, 20)                860       
_________________________________________________________________
dense_1 (Dense)              (None, 20)                420       
_________________________________________________________________
dense_2 (Dense)              (None, 7)                 147       
=================================================================
Total params: 1,427
Trainable params: 1,427
Non-trainable params: 0
_________________________________________________________________
_________________________________________________________________

当我将形状为 (1, 6, 7) 的 numpy 数组传递给它时，模型将给出（目前随机的）预测，但是，当我尝试使用形状数组 (221, 6) 训练模型时, 7) 对于数据和形状数组 (221, 7) 对于标签我得到这个错误：

ValueError：检查目标时出错：预期 dense_2 具有形状 (1,) 但得到形状为 (7,)

的数组

这是我用来训练模型的代码（输出 (221, 6, 7) 和 (221, 7)）：

board_tensor = np.array(full_board_list)
print(board_tensor.shape)
label_tensor = np.array(full_label_list)
print(label_tensor.shape)
self.model.fit(board_tensor, label_tensor)

这是我用来定义模型的代码：

self.model = keras.Sequential([
             keras.layers.Flatten(input_shape=(6, 7)),
             keras.layers.Dense(20, activation=tf.nn.relu),
             keras.layers.Dense(20, activation=tf.nn.relu),
             keras.layers.Dense(7, activation=tf.nn.softmax)])
self.model.compile(optimizer=tf.train.AdamOptimizer(),
                   loss='sparse_categorical_crossentropy',
                   metrics=['accuracy'])

（模型是 AI 对象的一部分，因此可以与其他类型的 AI 对象进行比较）这是成功预测大小为 1 的批次的代码，由代表棋盘的二维列表生成（它输出 (1, 6, 7) 和 (1, 7)）：

input_tensor = np.array(board.board)
input_tensor = np.expand_dims(input_tensor, 0)
print(input_tensor.shape)
probability_distribution = self.model.predict(input_tensor)
print(probability_distribution.shape)

我意识到错误可能是由于我对 Keras 中的方法期望给出的内容缺乏理解；作为一个小旁注，有没有人有任何好的、全面的学习资源可以真正让你理解每种方法在做什么（即不只是告诉你输入哪些代码来制作图像识别器）这是可以理解的对于像我这样刚接触 Keras 和 Tensorflow 的人？

非常感谢！

Answer 1

您正在使用 sparse_categorical_crossentropy 损失，它采用整数标签（不是单热编码的标签），而您的标签是单热编码的。这就是您收到错误的原因。

修复它的最简单方法是将损失更改为 categorical_crossentropy。

如何在 numpy 数组中配置数据标签以训练 Keras 模型？

how to configure data labels in a numpy array for training a Keras model?

python

numpy

training-data

keras

tensorflow