Keras：大小为 x*x 的输入生成不需要的输出 y*x

Question

我在 Keras 中有以下神经网络：inp = layers.Input((3,))#Middle layers omittedout_prop = layers.Dense(units=3, activation='softmax')(inp)out_value = layers.Dense(units=1, activation = 'linear')(inp)然后我准备了一个伪输入来测试我的网络：inpu = np.array([[1,2,3],[4,5,6],[7,8,9]])当我尝试预测时，会发生这种情况：In [45]:nn.network.predict(inpu)Out[45]: [array([[0.257513  , 0.41672954, 0.32575747],    [0.20175152, 0.4763418 , 0.32190666],    [0.15986516, 0.53449154, 0.30564335]], dtype=float32),array([[-0.24281949],    [-0.10461146],    [ 0.11201331]], dtype=float32)]所以，正如你在上面看到的，我想要两个输出：一个应该是一个大小为 3 的数组，另一个应该是一个正常值。相反，我得到一个 3x3 矩阵和一个包含 3 个元素的数组。我做错了什么？

Answer 1

您将三个输入样本传递给网络：

>>> inpu.shape

(3,3)  # three samples of size 3

并且您有两个输出层：其中一个输出每个样本的大小为 3的向量，另一个输出大小为 1（即标量）的向量，同样是每个样本。因此，输出形状将是(3, 3)和(3, 1)。

更新：如果您希望您的网络接受形状的输入样本(3,3)并输出大小为 3 和 1 的向量，并且您只想在您的网络中使用 Dense 层，那么您必须Flatten在模型中的某处使用一个层。一种可能的选择是在输入层之后立即使用它：

inp = layers.Input((3,3))  # don't forget to set the correct input shape

x = Flatten()(inp)

# pass x to other Dense layers

或者，您可以将数据展平以具有 的形状，(num_samples, 9)然后在不使用Flatten图层的情况下将其传递到您的网络。

更新 2：正如@Mete 在评论中正确指出的那样，(num_samples, 3, 3)如果每个输入样本的形状为，请确保输入数组的形状为(3,3)。