平层与输入不兼容

Question

我正在尝试运行代码

import data_processing as dp
import numpy as np
test_set = dp.read_data("./data2019-12-01.csv")
import tensorflow as tf
import keras

def train_model():
    autoencoder = keras.Sequential([
        keras.layers.Flatten(input_shape=[400]),
        keras.layers.Dense(150,name='bottleneck'),
        keras.layers.Dense(400,activation='sigmoid')
    ])
    autoencoder.compile(optimizer='adam',loss='mse')
    return autoencoder

trained_model=train_model()
trained_model.load_weights('./weightsfile.h5')
trained_model.evaluate(test_set,test_set)

第3行中的test_set是形状为numpy的数组（3280977,400）。我正在使用keras 2.1.4和tensorflow 1.5。

但是，这将引发以下错误

[ValueError：输入0与图层flatten_1不兼容：预期的min_ndim = 3，找到的ndim = 2

我该如何解决？我尝试在展平层中更改input_shape，并且还在互联网上搜索了可能的解决方案，但没有一个解决。有谁可以帮我离开这里吗？谢谢

Answer 1

经过反复试验，我能够运行代码。这是运行的代码：-

import data_processing as dp
import numpy as np
test_set = np.array(dp.read_data("./datanew.csv"))
print(np.shape(test_set))
import tensorflow as tf
from tensorflow import keras
# import keras
def train_model():
    autoencoder = keras.Sequential([
        keras.layers.Flatten(input_shape=[400]),
        keras.layers.Dense(150,name='bottleneck'),
        keras.layers.Dense(400,activation='sigmoid')
    ])
    autoencoder.compile(optimizer='adam',loss='mse')
    return autoencoder

trained_model=train_model()
trained_model.load_weights('./weightsfile.h5')
trained_model.evaluate(test_set,test_set)

我所做的更改已替换为我

import keras

与

来自tensorflow导入keras

这也可能对使用旧版本的tensorflow和keras的其他人有效。我在代码中使用了tensorflow 1.5和keras 2.1.4。

Answer 2

Keras和TensorFlow 仅接受批输入数据进行预测。

您必须'模拟'批次索引维度。

例如，如果数据的形状为（M x N），则需要在预测步骤中输入形式为（K x M x N）的张量，其中K为batch_dimension。

模拟批处理轴非常简单，您可以使用numpy来实现：

使用：np.expand_dims(axis = 0)，对于形状为M x N的输入张量，您现在具有形状1 x M xN。这就是为什么会出现该错误的原因，该错误缺少'1'或'K'，第三维是该batch_index。