Keras：层顺序的输入 0 与层不兼容

Question

我正在尝试创建一个带有一个隐藏层的神经网络模型，然后尝试对其进行评估，但我收到一个我无法清楚理解的错误：

ValueError: 层序列 1 的输入 0 与层不兼容：预期 min_ndim=2，发现 ndim=1。 收到的完整形状：[30]

看起来我的输入层的尺寸有误，但我不太明白是什么。 我用谷歌搜索并查看了stackoverflow，但到目前为止还没有找到任何有用的东西。 请问有什么帮助吗？

这是一个最小的工作示例：

import tensorflow as tf

# Define Sequential model with 3 layers
input_dim = 30
num_neurons = 10
output_dim = 12
model = tf.keras.Sequential(
    [
        tf.keras.layers.Dense(input_dim, activation="relu", name="layer1"),
        tf.keras.layers.Dense(num_neurons, activation="relu", name="layer2"),
        tf.keras.layers.Dense(output_dim, name="layer3"),
    ]
)
model(tf.ones(input_dim))

Answer 1

层具有输入和输出维度。 对于神经网络“中间”的层，它们从前一层的输出域中找出它们的输入域。 唯一的例外是第一层没有任何内容，需要设置input_dim 。 这是修复代码的方法。 请注意我们如何传递维度。 第一个（隐藏）层是 input_dim x num_neurons，第二个（输出层）num_neurons x output_dim

您可以在两者之间粘贴更多层； 他们只需要第一个参数，他们的输出维度

另请注意，我还必须修复您的最后一行，tf.ones 需要是 2D 形状 num_observation x input_dim

import tensorflow as tf

# Define Sequential model with 1 hidden layer
input_dim = 30
num_neurons = 10
output_dim = 12
model = tf.keras.Sequential(
    [
        tf.keras.layers.Dense(num_neurons, input_dim = input_dim, activation="relu", name="layer1"),
        tf.keras.layers.Dense(output_dim, name="layer3"),
    ]
)
model(tf.ones((1,input_dim)))

产生（对我来说；我认为这些数字本质上是随机初始化）

<tf.Tensor: shape=(1, 12), dtype=float32, numpy=
array([[ 0.06973769, -0.1798143 , -0.2920275 ,  0.84811246,  0.44899416,
        -0.10300556,  0.00831143, -0.16158538,  0.13395026,  0.4352504 ,
         0.19114715,  0.44100884]], dtype=float32)>