如何在keras模型中正确定义input_shape

Question

张量流新手。

以下是我正在处理的数据集：

abalone_train = pd.read_csv(
    "https://storage.googleapis.com/download.tensorflow.org/data/abalone_train.csv",
    names=["Length", "Diameter", "Height", "Whole weight", "Shucked weight",
           "Viscera weight", "Shell weight", "Age"])

abalone_train.head()

abalone_cols = abalone_train.columns
y_train = abalone_train[abalone_cols[-1]]
x_train = abalone_train[abalone_cols[:-1]]

我尝试了模型的 2 次迭代：

第一次迭代：

 model = tf.keras.models.Sequential([
    tf.keras.layers.InputLayer(input_shape = (None,7)),
    tf.keras.layers.Dense(20, activation='relu'),
    tf.keras.layers.Dense(10, activation='relu'),
    tf.keras.layers.Dense(2, activation = 'relu'),
    tf.keras.layers.Dense(1, activation = 'relu'),
    ]
)

model.compile(optimizer = 'sgd', loss = 'mean_squared_error')


x_train_np = np.array(x_train)
y_train_np = np.array(y_train)

modelcheck = model.fit(x_train_np, y_train_np, epochs = 5)

第二次迭代：

与第一次迭代类似，但我只更改了 input_shape：

model = tf.keras.models.Sequential([
    tf.keras.layers.InputLayer(input_shape = (7,)),
    tf.keras.layers.Dense(20, activation='relu'),
    tf.keras.layers.Dense(10, activation='relu'),
    tf.keras.layers.Dense(2, activation = 'relu'),
    tf.keras.layers.Dense(1, activation = 'relu'),
    ]
)


model.compile(optimizer = 'sgd', loss = 'mean_squared_error')


x_train_np = np.array(x_train)
y_train_np = np.array(y_train)

modelcheck = model.fit(x_train_np, y_train_np, epochs = 5)

看起来在第一次迭代中，我得到了 108.0 的恒定损失迭代和纪元：

104/104 [================================] - 1s 4ms/步 - 损失： 108.2235 纪元 2/5 104/104 [==============================] - 0s 4ms/步 - 损耗：108.2235 纪元 3/5 104/104 [==============================] - 0s 4ms/步 - 损耗：108.2235 纪元 4/5 104/104 [==============================] - 0s 4ms/步 - 损耗：108.2235 纪元 5/5 104/104 [==============================] - 0s 4ms/步 - 损耗：108.2235

在第二个中，代码工作正常，但我的损失如下：

Epoch 1/5 104/104 [==============================] - 1s 5ms/步 - 损耗：13.9729 纪元 2/5 104/104 [==============================] - 0s 4ms/步 - 损耗：8.0497 纪元 3/5 104/104 [==============================] - 0s 4ms/步 - 损耗：7.4067 纪元 4/5 104/104 [==============================] - 0s 4ms/步 - 损耗：6.9215 纪元 5/5 104/104 [================================] - 0s 5ms/步 - 损失：6.5436

我似乎没有了解 keras 如何以不同的方式处理这两个迭代。根据我的阅读，即使我在开头加上“无”，也没关系，因为它是“batch_size”。

我在这里错过了什么吗？任何指导都会非常有帮助！

Answer 1

在输入层中，您没有定义批量大小。您只需定义输入的形状，不包括批量大小。 Keras 会自动在每层形状的前面添加 None 值，该值稍后会替换为批量大小。

因此，在第一次迭代中，您的输入形状不正确。您希望将 7 个输入放在形状 (7, 1) 的向量中，因为您的数据由 7 个元素的行组成。因此，正确的输入形状是(7,)。