簡單的單層神經網絡

Question

我正在寫一個非常簡單的網絡：

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

training_data = np.array([[1, 1, 1], [2, 3, 1], [0, -1, 4], [0, 3, 0], [10, -6, 8], [-3, -12, 4]])
testing_data = np.array([6, 11, 1, 9, 10, -38])

model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(units = 1, activation = tf.keras.activations.relu, input_shape = (3, )))
model.compile(optimizer = tf.keras.optimizers.RMSprop(0.001), loss = tf.keras.losses.mean_squared_error, metrics = tf.keras.metrics.mean_squared_error)
model.summary()
model.fit(training_data, testing_data, epochs = 1, verbose = 'False')
print("Traning completed.")
model.predict(np.array([1, 1, 1]))

目標是訓練權重，如：aX + bY + cZ =（輸出）
但我得到了錯誤

ValueError：層序 54 的輸入 0 與層不兼容：輸入形狀的預期軸 -1 具有值 3，但接收到形狀為 [None，1] 的輸入

我無法制作維度場景，我做錯了什么？ 有什么幫助嗎？

Answer 1

在 Keras 中，當您指定輸入形狀批量大小時忽略，請參閱此處了解更多詳細信息。 您對input_shape = (3, )的聲明是正確的，但是當您進行推斷時，您還需要通過添加一個額外的維度來考慮批量大小，而不是np.array([1, 1, 1])你需要有np.array([[1, 1, 1]]) 。

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

training_data = np.array([[1, 1, 1], [2, 3, 1], [0, -1, 4], [0, 3, 0], [10, -6, 8], [-3, -12, 4]])
testing_data = np.array([6, 11, 1, 9, 10, -38])

model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(units = 1, activation = tf.keras.activations.relu, input_shape = (3,)))
model.compile(optimizer = tf.keras.optimizers.RMSprop(0.001), loss = tf.keras.losses.mean_squared_error, metrics = [tf.keras.metrics.mean_squared_error])
model.summary()

model.fit(training_data, testing_data, epochs = 1, verbose = 'False')
print("Traning completed.")
model.predict(np.array([[1, 2, 1]]))

array([[0.08026636]], dtype=float32)

希望這可以幫助！