Tensorflowjs 需要 3 个维度，即使我在 Python 中用 2 个维度训练它

Question

我正在尝试测试我在 Python:

中使用异或运算符值训练的模型

x_train = [[1,0],[0,1],[0,0],[1,1]]
x_label = [1,1,0,0]

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(2,1)),
    keras.layers.Dense(8, activation="relu"),
    keras.layers.Dense(2, activation="softmax")
])

model.compile(optimizer="adam", loss="sparse_categorical_crossentropy",metrics=["accuracy"])
model.fit(x_train, x_label, epochs=15)

prediction = model.predict([[5,5]])
print("Prediction: ", np.argmax(prediction[0]))

它在 Python 中工作得很好，但是当我将它转换为 Tensorflow JS 文件时 (model.json)，它不再工作了：

tfjs.converters.save_keras_model(model, "test_model")

正如你在上面看到的，我用 input_shape=(2,1) 训练了它。但是当我在 Nodejs 中尝试时，出现错误：

ValueError: Error when checking : expected flatten_input to have 3 dimension(s), but got array with shape [2,1]

我的 JS 代码：

tf.loadLayersModel(model_url).then((model)=>{
        const input = tf.tensor([1,1],[2,1], "int32");
        const prediciton = model.predict(input)
        console.log(prediciton);
        response.send(prediciton);
        return null;
    }).catch((e)=>{
        console.log(e);
    });

谢谢！

Answer 1

tf.tensor([1,1],[2,1])（相当于下面的数组：[[1], [1]]即使在python中也不起作用）。在 python 形状不匹配时，尺寸在最后一个轴上扩展。因此，生成的张量将具有形状 2、1、1，这与期望输入形状 [b, 2, 1].

的输入形状不匹配

但是，由于上述原因，tf.tensor([1,1],[1,2]) 将在 python 中工作。然而，似乎只有当输入张量是 tensor1d 时，广播才在 js 中完成。所以即使这样也行不通。

解决js中的问题，可以只考虑在第一个轴（axis = 0）上展开张量，如下：

tf.tensor([1,1],[1, 2,1], "int32")

Tensorflowjs 需要 3 个维度，即使我在 Python 中用 2 个维度训练它

Tensorflowjs expects 3 Dimensions, even though I trained it with 2 in Python

python

node.js

keras

tensorflow

tensorflow.js