Проблема с размерами входного массива в Керасе (TF) с CNN для игры в шахматы - PullRequest
Новая
       30

Проблема с размерами входного массива в Керасе (TF) с CNN для игры в шахматы

0 голосов
/ 24 ноября 2018

Я хочу передать ноль-массив в CNN, который содержит 2 шахматные позиции, одну перед ходом и вторую после определенного хода.Я хочу научить CNN оценивать оценку этого хода по обычной шахматной программе.Эти оценки являются значениями типа int.

Формами x и y являются: x: (2000000, 8, 8, 2) , y: (2000000,)

Код модели: 

#define model
model = Sequential()
#model.add(Dense(1024, activation='relu', input_dim=864))

model.add(Conv2D(128, kernel_size=(3, 3), strides=(1, 1), activation='relu', input_shape=(8,8,2)))
model.add(Conv2D(128, kernel_size=(3, 3), strides=(1, 1), activation='relu'))

model.add(Dense(128, activation='relu', init='uniform'))
model.add(BatchNormalization())

model.add(Dense(1))

model.compile(loss='mean_squared_error', optimizer='adam',metrics=['mae'])
print(model.summary())

Обучениесделано с: 

history = model.fit(x, y, validation_split=0.1, epochs=5, batch_size=20000, verbose=2)

Это дает мне следующую ошибку: 

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-7-619de3f1be1b> in <module>()
    171         for i in range(5):
    172             print("Fitting begins", x.shape, y.shape)
--> 173             history = model.fit(x, y, validation_split=0.1, epochs=5, batch_size=20000, verbose=2)
    174             #score = model.evaluate(x, y, verbose=2)
    175             #print(score)

/usr/local/lib/python3.6/site-packages/keras/engine/training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, **kwargs)
    950             sample_weight=sample_weight,
    951             class_weight=class_weight,
--> 952             batch_size=batch_size)
    953         # Prepare validation data.
    954         do_validation = False

/usr/local/lib/python3.6/site-packages/keras/engine/training.py in _standardize_user_data(self, x, y, sample_weight, class_weight, check_array_lengths, batch_size)
    787                 feed_output_shapes,
    788                 check_batch_axis=False,  # Don't enforce the batch size.
--> 789                 exception_prefix='target')
    790 
    791             # Generate sample-wise weight values given the `sample_weight` and

/usr/local/lib/python3.6/site-packages/keras/engine/training_utils.py in standardize_input_data(data, names, shapes, check_batch_axis, exception_prefix)
    126                         ': expected ' + names[i] + ' to have ' +
    127                         str(len(shape)) + ' dimensions, but got array '
--> 128                         'with shape ' + str(data_shape))
    129                 if not check_batch_axis:
    130                     data_shape = data_shape[1:]

ValueError: Error when checking target: expected dense_10 to have 4 dimensions, but got array with shape (2000000, 1)

Что я делаю не так?Как я могу это исправить?

ОК, я понял, что проблема связана с формой вывода последнего слоя: 

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_13 (Conv2D)           (None, 6, 6, 128)         2432      
_________________________________________________________________
conv2d_14 (Conv2D)           (None, 4, 4, 128)         147584    
_________________________________________________________________
dense_14 (Dense)             (None, 4, 4, 128)         16512     
_________________________________________________________________
batch_normalization_7 (Batch (None, 4, 4, 128)         512       
_________________________________________________________________
dense_15 (Dense)             (None, 4, 4, 1)           129       
=================================================================

Но почему это (None, 4, 4, 1)?Разве это не должно быть (None, 1)?Это один нейрон с 1 значением!

1 Ответ

0 голосов
/ 28 ноября 2018

Но почему (Нет, 4, 4, 1)?Разве это не должно быть (Нет, 1) ???

Нет, не должно.Поскольку слой Dense наносится на последнюю ось его входа , и, следовательно, поскольку в этом случае он применяется на выходе слоя Conv2D, который является 4-мерным тензором, на выходе *Слой 1008 * также будет 4D тензорным.Чтобы решить эту проблему, вы можете сначала сгладить вывод слоя Conv2D, используя слой Flatten, а затем использовать слой Dense, например: 

model.add(Conv2D(128, kernel_size=(3, 3), strides=(1, 1), activation='relu'))
model.add(Flatten())  # flatten the output of `Conv2D` to a 2D tensor
model.add(Dense(128, activation='relu', init='uniform'))
...