Определение плотности с помощью библиотеки keras

Question

Определение плотности с помощью библиотеки keras

Я немного не понимаю, как создать простую последовательность для моих данных.

Данные имеют следующие размеры:

X_train.shape

(2369, 12)



y_train.shape

(2369,)



X_test.shape

(592, 12)



y_test.shape

(592,)

Вот как я создаю модель:

batch_size = 128

nb_epoch = 20

in_out_neurons = X_train.shape[1] 

dimof_middle = 100



model = Sequential()

model.add(Dense(batch_size, batch_input_shape=(None, in_out_neurons)))

model.add(Activation('relu'))

model.add(Dropout(0.2))

model.add(Dense(batch_size))

model.add(Activation('relu'))

model.add(Dropout(0.2))

model.add(Dense(in_out_neurons))

model.add(Activation('linear'))



# I am solving the regression problem, not the classification one

model.compile(loss="mean_squared_error", optimizer="rmsprop") 



history = model.fit(X_train, y_train,

                    batch_size=batch_size, nb_epoch=nb_epoch,

                    verbose=1, validation_data=(X_test, y_test))

Сообщение об ошибке:

Исключение: ошибка при проверке модели input: expected dense_input_14 to
имеют форму (None, 1), но получили массив с формой (2369, 12)ç

Ошибка:

Ошибка при проверке модели target: ожидается, что activation_42 будет иметь форму
(Никто, 12) но получил массив с формой (2369, 1)

Эта ошибка возникает в строке:

model.add(Dense(in_out_neurons))

Как изменить Dense, чтобы заставить его работать?

Другой вопрос, Как добавить простой автоэнкодер для инициализации Весов ANN?

548 1

python keras

1 ответ:

Comments

Ничего не найдено.

nemo · Accepted Answer · 2016-06-13 18:28:54

Одна из ваших проблем заключается в том, что вы, кажется, неправильно понимаете, что такое пакет. Пакет-это число обучающих выборок, вычисленных за один раз, поэтому вместо вычисления одной обучающей выборки из X_train за один раз вы используете, например, 100 за один раз. Важно то, что это не имеет никакого отношения к вашей модели.

Поэтому, когда вы пишете
model.add(Dense(batch_size, batch_input_shape=(None, in_out_neurons)))
Затем вы создаете полностью связанный слой с выходным размером одного пакета. Это не имеет большого смысла.

Еще один проблема в том, что выход вашей модели составляет 12 нейронов, а ваш Y - только одно значение/нейрон. Ваша модель выглядит следующим образом:
  |
  v
[128]
[128]
[ 12]
  |
  v
Тогда то, что делает fit(), это вводит матрицу формы (128, 12) ((batch size, X_train.shape[1])) в модель и пытается сравнить выход shape (128,12) из последнего слоя с соответствующими Y значениями пакета (shape (128,1)).