[英]keras-gcn fit model ValueError
我正在使用這個庫創建一個模型來學習圖形。 這是代碼(來自存儲庫):
import numpy as np
from keras_gcn.backend import keras
from keras_gcn import GraphConv
# feature matrix
input_data = np.array([[[0, 1, 2],
[2, 3, 4],
[4, 5, 6],
[7, 7, 8]]])
# adjacency matrix
input_edge = np.array([[[1, 1, 1, 0],
[1, 1, 0, 0],
[1, 0, 1, 0],
[0, 0, 0, 1]]])
labels = np.array([[[1],
[0],
[1],
[0]]])
data_layer = keras.layers.Input(shape=(None, 3), name='Input-Data')
edge_layer = keras.layers.Input(shape=(None, None), dtype='int32', name='Input-Edge')
conv_layer = GraphConv(units=4, step_num=1, kernel_initializer='ones',
bias_initializer='ones', name='GraphConv')([data_layer, edge_layer])
model = keras.models.Model(inputs=[data_layer, edge_layer], outputs=conv_layer)
model.compile(optimizer='adam', loss='mae', metrics=['mae'])
model.fit([input_data, input_edge], labels)
但是,當我運行代碼時,出現以下錯誤:
ValueError: Error when checking target: expected GraphConv to have 3 dimensions, but got array with shape (4, 1)
而標簽的形狀是(1, 4, 1)
您應該使用 onehot-encoder 對標簽進行編碼,如下所示:
lables = np.array([[[0, 1],
[1, 0],
[0, 1],
[1, 0]]])
此外, GraphConv
層中的單元數應等於唯一標簽的數量,在您的情況下為 2。
我認為問題是 edge_layer 和 data_layer 的形狀不匹配。
當你使用函數keras.layers.Input
時,你給 data_layer 一個shape=(None, 3)
的形狀,然后你給edge_layer
一個shape=(None, None)
的形狀
匹配形狀,讓我知道結果如何。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.