Keras d'erreur : voir tableau 1

J'ai eu l'erreur suivante quand j'ai essayé de former un MLP modèle dans keras(je suis à l'aide de keras version 1.2.2)

Erreur lors de la vérification des données d'entrée du modèle: la liste des tableaux Numpy que vous
êtes de passage à votre modèle n'est pas la même taille que le modèle prévu. Attendu
pour voir tableaux 1, mais plutôt le suivant de la liste de 12859 tableaux:

Ceci est le résumé du modèle

____________________________________________________________________________________________________
Layer (type)                     Output Shape          Param #     Connected to
====================================================================================================
dense_1 (Dense)                  (None, 20)            4020        dense_input_1[0][0]
____________________________________________________________________________________________________
dense_2 (Dense)                  (None, 2)             42          dense_1[0][0]
====================================================================================================
Total params: 4,062
Trainable params: 4,062
Non-trainable params: 0
____________________________________________________________________________________________________
None

C'est la première ligne de modèle

 model.add(Dense(20, input_shape=(200,), init='lecun_uniform', activation='tanh'))

Pour la formation:

model.fit(X,Y,nb_epoch=100,verbose=1)

où X est une liste d'éléments et chaque élément est une liste de 200 valeurs.

Edit :

J'ai aussi essayé

model.add(Dense(20, input_shape=(12859,200), init='lecun_uniform', activation='tanh'))

mais j'obtiens la même erreur

Essayez d'utiliser le mot-clé input_dim à la place: input_dim=200 qui définit le nombre de nœuds d'entrée. Le nombre d'échantillons est variable. Avec input_shape vous devez spécifier la forme, c'est à dire le nombre d'échantillons (input_shape=(len(X), 200)).
Que diriez - model.fit(numpy.array(X), Y,nb_epoch=100,verbose=1) il semble que, pour une raison quelconque, votre X n'est pas un tableau numpy.
Essayer de passer un np.array(X) au lieu d'une liste de np.array à model.fit.
Exactement. Il serait mieux si vous avez fourni un code complet - avec X et Y définition. Essayez d'imprimer type(X).
Merci les gars .. il semble fonctionner avec input_dim=200 , en passant np.tableau(X).

OriginalL'auteur MysticForce | 2017-03-04

  1. 17

    Votre erreur vient du fait que votre X pour une raison quelconque n'était pas transformé en numpy.array. Dans cette X est traitée comme une liste de lignes et c'est une raison derrière votre message d'erreur (qu'il attend une entrée au lieu de la liste qui a un certain nombre de lignes d'éléments). Transformation:

    X = numpy.array(X)
Y = numpy.array(Y)

    Je voudrais vérifier un chargement des données parce que quelque chose pourrait aller mal.

    Mise à JOUR:

    Comme il a été mentionné dans un commentaire - input_shape besoin d'être changé à input_dim.

    Mise à JOUR 2:

    Afin de garder input_shape on devrait changer pour input_shape=(200,).

    Merci pour résumer .. j'ai aussi dû changer input_shape à input_dim . Veuillez ajouter à votre réponse 🙂
    Fait. Si vous voulez garder input_shape puis essayez input_shape=(200,).
    ouais .. qui travaille trop .. j'ai revérifié

    OriginalL'auteur Marcin Możejko

  2. 3

    Je fixe la mienne en ajoutant

    np.tableau

    à train_X , train_Y , valid_X et valid_Y. Par exemple, 

    model.fit(np.array(train_X),np.array(train_Y),
          batch_size=32,nb_epoch=20,
          validation_data=(np.array(valid_X),np.array(valid_Y)),
          callbacks=[early_stop])

    J'ai eu l'aide de ici. Cette approche est susceptible d'avoir un lent car toutes les données caractéristiques devront être converties à des tableaux numpy et il pourrait être beaucoup de travail pour votre système.

    OriginalL'auteur rocksyne