Keras多维度输入

Question

我是keras的新手，我在运行一个超过一个维度的模型时遇到了一个问题。所以，我试了一些样品。这就是其中之一。

from keras.models import Sequential
from keras.layers import Dense
import numpy as np

X_train = np.array([[[1, 2], [3, 4]], [[1, 2], [3, 4]]])
model = Sequential([
    Dense(32, input_shape=X_train.shape[1:]),
])
model.compile(loss='sparse_categorical_crossentropy', optimizer='sgd')
model.fit(X_train, [1, 2])

我希望上面的示例运行，但我得到了一个错误

^{pr2}$

为什么会这样呢。有谁能举一个例子来说明如何使用多维输入来运行keras模型，即输入应该如何组织？谢谢您。在

Answer 1

我建议您对输出类进行热编码，即使用：

# Convert labels to categorical one-hot encoding
labels = np.array([1, 2]) # 0 - num_classes - 1
y_train = keras.utils.to_categorical(labels, num_classes=3)

然后用“分类熵”代替“稀疏分类熵”：

^{pr2}$

最后，如果你想要2D输出（samples x classes），你应该在某个点上展平你的3D输入。输出层中的单元数（您只有一个）应与类数匹配，并使用适当的激活函数（例如“softmax”）

model.add(Flatten(input_shape=X_train.shape[1:]))
model.add(Dense(3, activation='softmax'))

请尝试查看多层感知器（MLP）进行多类softmax分类，网址： https://keras.io/getting-started/sequential-model-guide/