層密集的輸入 0 與層不兼容：輸入形狀的預期軸 -1 具有值 3，但收到的輸入形狀為 (None, 1)

Question

我正在嘗試使用遺傳算法來自動化神經網絡的設計。 我對神經網絡和 tensorflow 很陌生，所以如果我不能提供信息或正確解釋事情，請原諒我。 我有多個問題需要解決。

我的輸入是一個浮點值數組：

self.data_inputs = np.array([self.car_location, self.car_velocity, self.ball_location]).astype(np.float)

我想要的輸出是這樣的：

self.desired_output = np.asarray([1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0])

也就是說，我試圖使使用 softmax 的神經網絡輸出層在此特定實例中生成接近 1 的分數。

第一個問題，我應該如何定義輸出（對於神經網絡）？ 目前它被定義為：

output_layer = tensorflow.keras.layers.Dense(13, activation="softmax", name="output")

第二個問題，我將我的網絡定義為這樣生成：

        input_layer = tensorflow.keras.layers.InputLayer(3, name="input")
        dense_layers = []
        output_layer = tensorflow.keras.layers.Dense(13, activation="softmax", name="output")
        self.text = f"Creating new generation"
        if (len(model_array) == 0): # generate random population
            for individual in range(self.population_size):
                chosen_input = random.randint(3, 60)
                input_for_dense_layer = tensorflow.keras.layers.InputLayer(chosen_input)
                dense_layers.append(input_for_dense_layer)
                index = 1
                for i in range(random.randint(1,5)):
                    dense_layer = tensorflow.keras.layers.Dense(chosen_input, activation = "relu")
                    dense_layers.append(dense_layer)
                    chosen_input = random.randint(3, 60)
                    index += 1

                model = tensorflow.keras.Sequential()
                model.add(input_layer)
                for dense_layer in dense_layers:
                    model.add(dense_layer)
                model.add(output_layer)
                model.compile(optimizer=random.choice(self.optimizer_array), loss=random.choice(self.loss_array), metrics=['accuracy'])
                model_array.append(model)

但這會產生一個錯誤：

    ValueError: Input 0 of layer dense_1 is incompatible with the layer: expected axis -1 of input shape to have value 3 but received input with shape (None, 1)

誰能向我解釋我如何沒有正確地將這些層連接在一起？ 據我所知（和測試）它似乎可以正常工作，但是當我在此 API 的上下文中啟動它時，我嘗試使用它會引發此錯誤。 我只是測試不夠廣泛嗎？

Answer 1

1. Softmax 輸出將返回 13 個正值，其總和為 1。在這里，您似乎希望所有值的“獨立”概率介於 0 和 1 之間，因此您應該使用activation='sigmoid'來執行您想要的操作。
2. 您的模型有 2 個 InputLayer（ input_layer和input_for_dense_layer ），這可能會導致第一層的形狀期望混淆。