檢查輸入時出錯：期望dense_Dense1_input具有x維度。 但得到了形狀為y，z的數組

Question

我對Tensorflowjs和Tensorflow很新。 我有一些數據，這是100％的容量，所以0到100之間的數字，每天有5小時這些容量。 所以我有一個5天的矩陣，其中包含5％的100％。

我有以下型號：

const model = tf.sequential();
model.add(tf.layers.dense({units: 1, inputShape: [5, 5] }));
model.compile({ loss: 'binaryCrossentropy', optimizer: 'sgd' });

// Input data
// Array of days, and their capacity used out of 
// 100% for 5 hour period
const xs = tf.tensor([
  [11, 23, 34, 45, 96],
  [12, 23, 43, 56, 23],
  [12, 23, 56, 67, 56],
  [13, 34, 56, 45, 67],
  [12, 23, 54, 56, 78]
]);

// Labels
const ys = tf.tensor([[1], [2], [3], [4], [5]]);

// Train the model using the data.
model.fit(xs, ys).then(() => {
  model.predict(tf.tensor(5)).print();
}).catch((e) => {
  console.log(e.message);
});

我收到一個錯誤： Error when checking input: expected dense_Dense1_input to have 3 dimension(s). but got array with shape 5,5 Error when checking input: expected dense_Dense1_input to have 3 dimension(s). but got array with shape 5,5 。 所以我懷疑我是以某種方式錯誤地輸入或映射我的數據。

Answer 1

您的錯誤來自一方面訓練和測試數據的大小不匹配，另一方面來自定義為模型的輸入

model.add(tf.layers.dense({units: 1, inputShape: [5, 5] }));

inputShape是您的輸入維度。 這是5，因為每個功能都是一個大小為5的數組。

model.predict(tf.tensor(5))

另外，為了測試您的模型，您的數據應該與訓練模型時的形狀相同。 您的模型無法使用tf.tensor(5)預測任何內容。 因為您的訓練數據與您的測試數據大小不匹配。 考慮這個測試數據而不是tf.tensor2d([5, 1, 2, 3, 4], [1, 5])

這是一個有效的snipet