检查目标时出错：预期 dense_Dense2 具有形状 x，但得到形状为 y 的数组

Question

这是我在 tensorflow 中的第一步。

想法

有一些数字模式（数字数组：Pattern = number[]）。以及这个模式对应的类别（0到2的数字：Category = 0 | 1 | 2）。我遵循结构数据：xs = Pattern[]，ys = Category[]。

例如：

xs = [[1, 2, 3, 4], [5, 6, 7, 8], ..., [9, 10, 11, 12]];
ys = [1, 0, ..., 2];

我希望神经网络找到 xs[0] 和 xy[0] 之间的匹配项，依此类推。我想传递像 [1, 2, 3, 4] 这样的神经网络数据并得到接近 1.

的结果

model.predict(tf.tensor([1, 2, 3, 4])) // ≈1

我的代码

import * as tf from '@tensorflow/tfjs';
require('@tensorflow/tfjs-node');

const xs = tf.tensor2d([
  [1, 2, 3, 4],
  [5, 6, 7, 8],
  [9, 10, 11, 12],
]);
const ys = tf.tensor1d([0, 1, 2]);

const model = tf.sequential();
model.add(tf.layers.dense({ units: 4, inputShape: xs.shape, activation: 'relu' }));
                                   ^ - Pattern length, it is constant
model.add(tf.layers.dense({ units: 3, activation: 'softmax' }));
model.compile({ optimizer: 'adam', loss: 'categoricalCrossentropy', metrics: ['accuracy'] });

model.fit(xs, ys, { epochs: 500 });

我收到以下错误：

Error when checking input: expected dense_Dense1_input to have 3 dimension(s). but got array with shape 3,4

我不明白如何解释我的神经网络数据结构。

Answer 1

模型 inputShape 是 [3,4] 。要使用此模型进行拟合或预测，它需要具有 [b, 3, 4] 形式的数据，其中 b 是批量形状。尝试使用 xs.

拟合模型时缺少批量形状

模型 inputShape 应该是 [4] 以便 xs 可以用于预测。可以使用 xs.shape.slice(-1).

而不是 xs.shape

const xs = tf.tensor2d([
  [1, 2, 3, 4],
  [5, 6, 7, 8],
  [9, 10, 11, 12],
]);
const ys = tf.tensor1d([0, 1, 2]);

const model = tf.sequential();
model.add(tf.layers.dense({ units: 4, inputShape: xs.shape.slice(1), activation: 'relu' }));
                                  
model.add(tf.layers.dense({ units: 3, activation: 'softmax' }));
model.compile({ optimizer: 'adam', loss: 'categoricalCrossentropy', metrics: ['accuracy'] });

model.fit(xs, ys);
model.predict(xs).print()

此外，如果模型的目标是预测使用 softmax 和 categoricalCrossentropy 指示的类别，则标签应 one-hot 编码。

相似答案：

Answer 2

我找到了适合我任务的解决方案。只需要使用 dataset

https://js.tensorflow.org/api/latest/#tf.Sequential.fitDataset

import * as tf from '@tensorflow/tfjs';
require('@tensorflow/tfjs-node');

const xArray = [
  [1, 2, 3, 4],
  [5, 6, 7, 8],
  [9, 10, 11, 12],
];

const yArray = [0, 1, 2];
const { length } = yArray;

const xs = tf.data.array(xArray);
const ys = tf.data.array(yArray);

const xyDataset = tf.data.zip({ xs: xDataset, ys: yDataset }).batch(length).shuffle(length);

const model = tf.sequential();
model.add(tf.layers.dense({ units: length, inputShape: [length], activation: 'relu' }));
model.add(tf.layers.dense({ units: 3, activation: 'softmax' }));
model.compile({ optimizer: 'adam', loss: 'categoricalCrossentropy', metrics: ['accuracy'] });

model.fitDataset(xyDataset, { epochs: 500 });

检查目标时出错：预期 dense_Dense2 具有形状 x，但得到形状为 y 的数组

Error when checking target: expected dense_Dense2 to have shape x, but got array with shape y

tensorflow

tensorflow.js

tensorflow2.0