使用Keras评估不同大小的训练和测试阵列

Question

我有训练功能和测试功能阵列，每个阵列两列，而训练标签和测试标签各3列。在预测了两列测试标签后，我返回了一个三列阵列。试图执行evaluate()提出了例外ValueError: Error when checking input: expected dense_30_input to have shape (2,) but got array with shape (3,)。我不明白，因为我想要它来评估形状3的数组？以下是代码：

import keras
from keras.models import Sequential
from keras.layers import Dense

# Define the model
ann = Sequential()
ann.add(Dense(50, input_dim=2, activation='relu'))
ann.add(Dense(100, activation='relu'))
ann.add(Dense(50, activation='relu'))
ann.add(Dense(3, activation='softmax'))
ann.compile(loss="mean_squared_error", optimizer='adam', metrics = ['accuracy'])

ann.fit(train_features, train_labels, batch_size = 1, epochs = 500)

# making predictions
predictions = ann.predict(test_features)
score = ann.evaluate(test_labels, predictions, batch_size=128)

这就是数据的样子：

train_features:
[[0.7545026  0.79279279]
 [0.46078708 0.05405405]
 [0.41855151 0.38738739]
 [0.74803041 0.28828829]
 [1.         0.        ]
 [0.03371062 0.51351351]
 [0.63705531 0.6036036 ]
 [0.55073228 1.        ]
 [0.18877317 0.12612613]
 [0.0903093  0.51351351]
 [0.         0.9009009 ]
 [0.64266119 0.95495495]
 [0.23438608 0.12612613]
 [0.13543883 0.24324324]]

test_features:
[[0.28072092 0.00900901]
 [0.17869765 0.66666667]
 [0.8620313  0.1981982 ]
 [0.34786594 0.03603604]]

train_labels
[[1.         0.5        1.        ]
 [0.         0.5        0.66666667]
 [0.         0.         1.        ]
 [1.         1.         0.66666667]
 [1.         1.         1.        ]
 [1.         0.         0.        ]
 [0.         1.         0.66666667]
 [1.         0.5        0.66666667]
 [1.         0.         1.        ]
 [0.         0.5        0.        ]
 [0.         0.         0.        ]
 [0.         0.5        1.        ]
 [1.         1.         0.        ]
 [1.         0.5        0.        ]]

test_labels
[[0.         0.         0.66666667]
 [0.         1.         0.        ]
 [0.         1.         1.        ]
 [1.         0.         0.66666667]]

predictions
[[0.07219139 0.9239723  0.00383623]
 [0.11950634 0.53162473 0.3488689 ]
 [0.5265181  0.35849473 0.1149871 ]
 [0.01260971 0.9338486  0.05354166]]

Answer 1

我建议你看一下documentation方法的evaluate。

ann.evaluate(test_features, test_labels)

是要走的路。

它将直接使用模型进行预测，这就是为什么它会要求您输入shape (2,)，这是您输入的形状。

为了使一切清楚，问题不在于培训/测试中的示例数量，它们可能不同，问题在于示例的维度。您的模型需要2维输入，evaluate方法的第一个参数应该是测试数据的数组，而不是真实标签，也不是此测试数据的预测输出。