如何在tensorflow keras中定义model输入和输出？

Question

我正在尝试创建一个 model，它应该具有 nx8x8 输入和 8x8 output 或低于 64 个单元 output，但不知道如何创建它以使其工作。 我正在尝试使用以下代码：

model = tf.keras.Sequential()

input = tf.keras.layers.Flatten(input_shape=(8,8), name='input')
model.add(input)

middle = tf.keras.layers.Dense(256, activation='sigmoid',  name='a')
model.add(middle)

output = tf.keras.layers.Dense(64, activation='softmax',  name='b')
model.add(output)
print(model.input_shape)

model.compile(optimizer='adam',
            loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
            metrics=['accuracy'])

train_input = np.array(
    [
        [0, 1, 0, 1, 0, 1, 0, 1],
        [1, 0, 1, 0, 1, 0, 1, 0],
        [0, 1, 0, 1, 0, 1, 0, 0],
        [0, 0, 0, 0, 0, 0, 1, 0],
        [0, 0, 0, 0, 0, 0, 0, 3],
        [3, 0, 3, 0, 3, 0, 0, 0],
        [0, 3, 0, 3, 0, 3, 0, 3],
        [3, 0, 3, 0, 3, 0, 3, 0]
    ],
    [
        [0, 1, 0, 1, 0, 1, 0, 1],
        [1, 0, 1, 0, 1, 0, 1, 0],
        [0, 0, 0, 1, 0, 1, 0, 1],
        [1, 0, 0, 0, 0, 0, 0, 0],
        [0, 0, 0, 0, 0, 0, 0, 3],
        [3, 0, 3, 0, 3, 0, 0, 0],
        [0, 3, 0, 3, 0, 3, 0, 3],
        [3, 0, 3, 0, 3, 0, 3, 0]
    ]
)
train_output = np.array([
    0, 1, 0, 1, 0, 1, 0, 1,
    1, 0, 1, 0, 1, 0, 1, 0,
    0, 0, 0, 1, 0, 1, 0, 1,
    1, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 3,
    3, 0, 3, 0, 3, 0, 0, 0,
    0, 3, 0, 3, 0, 3, 0, 3,
    3, 0, 3, 0, 3, 0, 3, 0,
])
model.fit(train_input, train_output, epochs=10)

我做错了什么？ 如何定义输入和输出形状？

Answer 1

您需要向您的train_output添加一个实例。 您的train_input上有两个样本，但只有一个 label。您需要与输入实例相同数量的标签。 这解决了您的基数问题。

但是，您的数据格式非常奇怪，我敢肯定您在训练时会遇到更多问题。 您正在执行分类任务，但您的标签没有按应有的方式进行处理。 你应该将你的标签编码成类（例如 0,1,2）然后你的 model 将只有 output 一个分类。