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
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
我建议您对输出类进行热编码,即使用:
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”)
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/
相关问题 更多 >
编程相关推荐