神经网络维度不匹配
Posted
技术标签:
【中文标题】神经网络维度不匹配【英文标题】:Neural network dimension mis-match 【发布时间】:2015-11-20 00:37:19 【问题描述】:我在 Keras 中有一个用于 MNIST 数字数据集的神经网络设置,如下所示:
input_size = features_train.shape[1]
hidden_size = 200
output_size = 9
lambda_reg = 0.2
learning_rate = 0.01
num_epochs = 50
batch_size = 30
model = Sequential()
model.add(Dense(input_size, hidden_size, W_regularizer=l2(lambda_reg), init='normal'))
model.add(Activation('tanh'))
model.add(Dropout(0.5))
model.add(Dense(hidden_size, output_size, W_regularizer=l2(lambda_reg), init='normal'))
model.add(Activation('softmax'))
sgd = SGD(lr=learning_rate, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='mean_squared_error', optimizer=sgd)
history = History()
model.fit(features_train, labels_train, batch_size=batch_size, nb_epoch=num_epochs, show_accuracy=True, verbose=2, validation_split=0.2, callbacks=[history])
score = model.evaluate(features_train, labels_train, show_accuracy=True, verbose=1)
predictions = model.predict(features_train)
print('Test score:', score[0])
print('Test accuracy:', score[1])
features_train 的形状为 (1000,784),labels_train 的形状为 (1000,1),两者都是 numpy 数组。我想要 784 个输入节点、200 个隐藏节点和 9 个输出来对数字进行分类
我不断收到输入尺寸不匹配错误:
Input dimension mis-match. (input[0].shape[1] = 9, input[1].shape[1] = 1)
Apply node that caused the error: ElemwiseSub[(0, 0)](AdvancedSubtensor1.0, AdvancedSubtensor1.0)
Inputs types: [TensorType(float32, matrix), TensorType(float32, matrix)]
Inputs shapes: [(30L, 9L), (30L, 1L)]
Inputs strides: [(36L, 4L), (4L, 4L)]
Inputs values: ['not shown', 'not shown']
我正在尝试确定我的尺寸可能不正确的位置,但我没有看到。谁能看出问题?
【问题讨论】:
【参考方案1】:我已经训练 2 类分类模型很长时间了,以至于我习惯于处理只是单个值的标签。对于这个问题(分类超过 1 个结果),我只需将标签更改为向量本身。
这解决了我的问题:
from keras.utils.np_utils import to_categorical
labels_train = to_categorical(labels_train)
【讨论】:
输出大小应该是 10。你有 0-9 个数字以上是关于神经网络维度不匹配的主要内容,如果未能解决你的问题,请参考以下文章