使用 Tensorflow.js 学习 XOR

Question

您好，我正在使用 Tensorflow.js 创建我的第一个神经网络。

我想使用点 (0,0)、(0,1)、(1,0)、(1,1) 和标签 0、1、1、0 作为我的神经网络的输入。我尝试了以下方式：

async function runModel() {

  // Build and compile model.
  const model = tf.sequential();
  model.add(tf.layers.dense({units: 2, inputShape: [2]}));
  model.compile({optimizer: 'sgd', loss: 'meanSquaredError'});

  // Generate some synthetic data for training.
  const xs = tf.tensor2d([[1], [0]], [2,1]);
  const ys = tf.tensor2d([[1]], [1, 1]);

  // Train model with fit().
  await model.fit(xs, ys, {epochs: 10});

  // Run inference with predict().
  model.predict(tf.tensor2d([[0], [1]], [2, 1])).print();
}

runModel()

我遇到了错误：

Uncaught (in promise) Error: Error when checking input: expected dense_Dense1_input to have shape [,2], but got array with shape [2,1].

我尝试使用所有参数，但我不明白（即使有文档）如何成功。

Answer 1

如前所述 and ，当模型预期的形状与训练数据的形状不匹配时会抛出此错误。

expected dense_Dense1_input to have shape [,2], but got array with shape [2,1]

抛出的错误很有意义，足以帮助解决问题。第一层期望形状为 [,2] 的张量，因为 inputShape 为 [2]。但是 xs 具有 [2, 1] 的形状，它应该具有 [1, 2].

的形状

在模型中，最后一层将 return 2 个值，而实际上它应该只有一个（异或运算仅输出一个值）。因此，而不是 units: 2，它应该是 units: 1。这意味着 ys 的形状应该是 [,1]。 ys 的形状已经是模型应该具有的形状 - 所以那里没有变化。

用于预测的张量形状应与模型输入形状匹配，即[, 2]

经过上面的改动，变成了下面这样：

  const model = tf.sequential();
  model.add(tf.layers.dense({units: 1, inputShape: [2]}));
  model.compile({optimizer: 'sgd', loss: 'meanSquaredError'});

  // Generate some synthetic data for training.
  const xs = tf.tensor2d([[1, 0]]);
  const ys = tf.tensor2d([[1]], [1, 1]);

  // Train model with fit().
  await model.fit(xs, ys, {epochs: 10});

  // Run inference with predict().
  model.predict(tf.tensor([[0, 1]], [1, 2])).print()

使用 Tensorflow.js 学习 XOR

Learning XOR using Tensorflow.js

tensorflow

tensorflow.js