Не удается исправить ValueError: Создание простой модели нейронной сети в Keras - PullRequest
Новая
       3

Не удается исправить ValueError: Создание простой модели нейронной сети в Keras

0 голосов
/ 15 апреля 2020

Я новичок в TensorFlow и Keras, и я хотел построить простую нейронную сеть в Keras, которая может считать от 0 до 7 в двоичном виде (то есть 000-111). Сеть должна иметь:

  • 1 входной слой с 3 узлами,
  • 1 скрытый слой с 8 узлами,
  • 1 выходной слой с 3 узлами.

Звучит просто, но у меня проблемы со сборкой модели. Я получаю следующую ошибку: 

ValueError: Error when checking target: expected dense_2 to have shape (1,) but got array with shape (3,)

Код, который я пробовал до сих пор: 

import plaidml.keras
plaidml.keras.install_backend()
import os
os.environ["KERAS_BACKEND"] = plaidml.keras.backend

import keras
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras import backend as K
import numpy as np

x_train = [ [0.0, 0.0, 0.0], [0.0, 0.0, 1.0], [0.0, 1.0, 0.0], [0.0, 1.0, 1.0],
[1.0, 0.0, 0.0], [1.0, 0.0, 1.0], [1.0, 1.0, 0.0], [1.0, 1.0, 1.0]]

y_train = [ [0.0, 0.0, 1.0], [0.0, 1.0, 0.0], [0.0, 1.0, 1.0], [1.0, 0.0, 0.0],
[1.0, 0.0, 1.0], [1.0, 1.0, 0.0], [1.0, 1.0, 1.0], [0.0, 0.0, 0.0]]

x_train = np.array(x_train)
y_train = np.array(y_train)

x_test = x_train
y_test = y_train

print(x_train)
print(y_train)
print("x_test_len", len(x_test))
print("y_test_len", len(y_test))

# Build a CNN model. You should see INFO:plaidml:Opening device xxx after you run this chunk
model = keras.Sequential()
model.add(Dense(input_dim=3, output_dim=8, activation='relu'))
model.add(Dense(input_dim=8, output_dim=3, activation='relu'))

# Compile the model
model.compile(optimizer='adam', loss=keras.losses.sparse_categorical_crossentropy, metrics=['accura cy'])

# Fit the model on training set
model.fit(x_train, y_train, epochs=10)

# Evaluate the model on test set
score = model.evaluate(x_test, y_test, verbose=0)
# Print test accuracy
print('\n', 'Test accuracy ', score[1])

Я думаю, что, возможно, есть пара вещей, которые я не понял правильно.

1 Ответ

0 голосов
/ 15 апреля 2020

Есть две проблемы:

  1. Вы используете 'relu' в качестве активации последнего слоя (т. Е. Выходного слоя), однако ваша модель должна создавать векторы нулей и единиц. Следовательно, вам нужно использовать 'sigmoid'.

  2. Поскольку 'sigmoid' будет использоваться для активации последнего слоя, вам также необходимо использовать binary_crossentropy для функции потерь.

Чтобы лучше понять проблему, вы можете рассматривать ее как проблему классификации с несколькими метками: каждый из 3 узлов в выходном слое должен действовать как независимый двоичный классификатор (следовательно, используя сигмоид в качестве активации и бинарную кроссентропию в качестве функции потерь).

...