如何修改 model.fit 设置？

Posted 2023-03-24

【中文标题】如何修改 model.fit 设置？

【英文标题】：How to modify model.fit settings?

【发布时间】：2020-01-24 00:53:01

【问题描述】：

嗨，在我更改数据集之前，我的代码一直运行良好。现在，我收到一个错误：

model.fit(train,train_df.iloc[:,-1],epochs=30, batch_size=20, verbose=1)

错误是：

ValueError：检查输入时出错：预期的 dense_31_input 有 形状 (1125,) 但得到了形状 (103,) 的数组

变量是：

enter image description here

scaler = StandardScaler()

train=scaler.fit_transform(train_df.iloc[:,:-1])
test=scaler.fit_transform(test_df.iloc[:,:-1])

# Creating Deep Model



model = Sequential()

# Add an input layer
model.add(Dense(562, activation='relu', input_shape=(1125,)))

# Add one hidden layer
model.add(Dense(562, activation='relu'))
model.add(BatchNormalization())

# Add an output layer
model.add(Dense(1, activation='sigmoid'))

#add improvements 

model.add(Dropout(0.3))
#Train the model

model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])

model.fit(train,train_df.iloc[:,-1],epochs=30, batch_size=20, verbose=1)

#TEst the model

y_pred = model.predict(test_df.iloc[:,:-1])

我假设修复它。我需要更改 batch_size 和 epochs 吗？但是应该使用什么数字？

【参考方案1】：

一般来说，模型假设输入数据的第一个维度是批量大小。模型并不关心批量大小是多少，因此您在创建模型时永远不会设置它。相反，您应该将input_shape 设置为输入数据的每个样本 的形状。在您的情况下，每个样本似乎都是一个长度为 103 的向量，因此将 input_shape 设置为 (103,)。