ValueError：检查输入时出错：预期密集_输入有2个维度，但得到了形状为（1,1,15）的数组

Question

我正在尝试建立一个定制的健身房环境，这样我就可以在Keras网络中使用它。但当我尝试去适应de神经网络时，有一个问题正在发生在我身上

ValueError: Error when checking input: expected dense_6_input to have 2 dimensions, but got array with shape (1, 1, 15)

我对这个问题的理解是，状态（网络接收的输入）被构造成一个三维数组，但我不知道为什么

下面是我在定义环境的类中的init方法：

def __init__ (self):
    self.action_space = Discrete (4)
    self.observation_space = Box(low=0, high=100, shape=(15,))
    self.state = np.array([1,2,0,3,2,0,4,0,0,1,3,0,0,0,0], dtype=float)
    #self.state = state
    self.length = 15
    self.index = 0

之后，我初始化了两个保存状态和动作形状的变量，这样我们就可以定义模型了

states = env.observation_space.shape
actions = env.action_space.n

def build_model(states, actions):
model = Sequential()    
model.add(Dense(24, activation='relu', input_shape=states))
model.add(Dense(24, activation='relu'))
model.add(Dense(actions, activation='linear'))
return model

模型摘要：

图层（类型）输出形状参数#
致密（致密）（无，24）384
密集型_7（密集型）（无，24）600
密集型_8（密集型）（无，4）100

出现错误之前的最后一步是在构建代理时。之后，我们调用fit方法并出现问题

def build_agent(model, actions):
   policy = BoltzmannQPolicy()
   memory = SequentialMemory(limit=50000, window_length=1)
   dqn = DQNAgent(model=model, memory=memory, policy=policy, 
              nb_actions=actions, nb_steps_warmup=10, target_model_update=1e-2)
   return dqn

dqn = build_agent(model, actions)
dqn.compile(Adam(lr=1e-3), metrics=['mae'])
dqn.fit(env, nb_steps=50000, visualize=False, verbose=1)

我试图将第一层的输入形状更改为（1,1,15），但似乎不起作用。问题可能与环境（观测空间）的定义有关，或者与环境如何向网络提供信息有关。我不知道

我希望你能帮助我。如果您需要更多信息来处理错误，请告诉我

非常感谢你

Answer 1

在您的情况下，输入形状应为（1,15）。这是因为实际输入形状增加了在shape中指定的额外维度，因为keras以批处理输入，批大小是第一个参数

错误消息告诉您形状（1,1,15）的输入正在传递给模型（即批次1和输入形状（1,15），因此ndims=3），但您只有ndims=2。尽管只传递（15，）作为输入形状，但请注意ndims=2。这是因为Keras正在为批次添加额外维度

因此，为了解决这个问题，将shape=(1,15)设置为(1,1,15)，这是Keras所期望的