Keras中的小错误：ValueError的错误修正？

Question

我训练了一个Keras模型，但是，我很难预测它。我的输入数组的形状是(400,2)，输出数组的形状是(400,1)。现在，当我将参数array([1,2])传递给model.predict()函数时，得到以下错误：

 ValueError: Error when checking input: expected dense_1_input to have shape (2,) but got array with shape (1,).

这是毫无意义的，因为shape(array([1,2])) = (2,)，因此model.predict函数应该接受它作为有效输入。

相反，当我传递一个形状为(1,2)的数组时，它的效果很好。那么Keras实现中有没有bug呢？你知道吗

我的模型如下：

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

data = np.random.rand(400,2)
Y = np.random.rand(400,1)

def base():
    model = Sequential()
    model.add(Dense(4,activation = 'tanh', input_dim = 2))
    model.add(Dense(1, activation = 'sigmoid'))
    model.compile(optimizer = optimizers.RMSprop(lr = 0.1), loss = 'binary_crossentropy', metrics= ['accuracy'])      
    return model 

model = base()
model.fit(data,Y, epochs = 10, batch_size =1)
model.predict(np.array([1,2]).reshape(2,1))   #Error
model.predict(np.array([1,2]).reshape(2,)) #Error
model.predict(np.array([1,2]).reshape(1,2)) #Works

Answer 1

第一个维度是批次维度。因此，即使使用predict方法，也必须传递形状为(num_samples,) + (the input shape of network)的数组。这就是为什么当你传递一个形状为(1,2)的数组时它会工作，因为(1,)表示样本数，(2,)是网络的输入形状。你知道吗