Python: keras 形状不匹配错误

Python: keras shape mismatch error

我正在尝试在 keras 中构建一个非常简单的多层感知器 (MLP):

model = Sequential()
model.add(Dense(16, 8, init='uniform', activation='tanh'))
model.add(Dropout(0.5))
model.add(Dense(8, 2, init='uniform', activation='tanh'))

sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='mean_squared_error', optimizer=sgd)

model.fit(X_train, y_train, nb_epoch=1000, batch_size=50)
score = model.evaluate(X_test, y_test, batch_size=50)

我的训练数据形状:X_train.shape 给出 (34180, 16)

标签属于二进制 class,形状为:y_train.shape 给出 (34180,)

所以我的 keras 代码应该生成具有以下连接的网络:16x8 => 8x2

产生形状不匹配错误:

ValueError: Input dimension mis-match. (input[0].shape[1] = 2, input[1].shape[1] = 1)

Apply node that caused the error: Elemwise{sub,no_inplace}(Elemwise{Composite{tanh((i0 + i1))}}[(0, 0)].0, <TensorType(float64, matrix)>)
Inputs types: [TensorType(float64, matrix), TensorType(float64, matrix)]
Inputs shapes: [(50, 2), (50, 1)]
Inputs strides: [(16, 8), (8, 8)]

Epoch 0model.fit(X_train, y_train, nb_epoch=1000, batch_size=50) 行。我是否在监督 Keras 中明显的事情?

编辑: 我已经解决了问题 但没有解决我的问题

我遇到了同样的问题,然后找到了这个帖子;

https://github.com/fchollet/keras/issues/68

您似乎声明了 2 的最终输出层,或者对于任意数量的类别,标签需要是分类类型,其中本质上这是每个观察的二进制向量,例如 3 class输出向量 [0,2,1,0,1,0] 变为 [[1,0,0],[0,0,1],[0,1,0],[1,0,0],[ 0,1,0],[1,0,0]].

np_utils.to_categorical 函数帮我解决了这个问题;

from keras.utils import np_utils, generic_utils

y_train, y_test = [np_utils.to_categorical(x) for x in (y_train, y_test)]