Python 如何为神经网络创建一个最小且可重复的示例？

我想知道如何为堆栈溢出创建一个最小且可复制的深度学习示例。我想确保人们有足够的信息来查明我的代码的确切问题。仅仅提供回溯就足够了吗

c:\users\samuel\appdata\local\programs\python\python35\lib\site packages\keras\engine\training\u utils.py
在标准化中输入数据（数据、名称、形状、检查批处理轴、异常前缀）
135'：预期“+名称[i]+”具有形状”+
136 str（shape）+'但是得到了带有shape的数组'+
-->137 str（数据_形））
138返回数据
139

还是我应该简单地发布错误消息

值错误：检查输入时出错：预期密集\u 1\u输入具有形状 （4，）但得到了形状为（1，）的数组

---

以下是制作一个可重复的、最少深度学习示例的一些技巧。无论是对于

Keras

，

Pytorch

，还是

Tensorflow

，这都是一个很好的建议

• 我们无法使用您的数据，但在大多数情况下，这并不重要。我们需要的只是正确的形状。
  • 使用随机生成的正确形状的数字。
    • 例如，

      np.random.randint（0,256，（100,30,30,3）

      100张大小为30x30的彩色图片
    • 例如，

      np.random.choice（np.arange（10），100）

      10类100个样本
• 我们不需要看到你的整个管道。
  • 只提供运行代码的最低要求。
• 充分利用

  Keras

  及其调试功能。
  • 包括回溯。它很可能会指出确切的问题
• 神经网络都是关于拟合正确的形状。
  • 至少应始终提供输入形状。
• 使其易于测试和复制。
  • 发布您的整个神经网络架构。
  • 包括库导入。定义所有变量。

以下是一个完美最小且可重复的示例：

---

我有一个错误。当我运行此代码时，它会给我以下错误：

ValueError:检查目标时出错：预期稠密_2具有形状（10），但获得具有形状的数组

“这是我的体系结构，包含生成的数据：”

将numpy导入为np
进口干酪
从keras.models导入顺序
从keras.layers导入稠密、平坦、Conv2D、MaxPoolig2D
xtrain，xtest=np.random.rand（2,1000,30,30,3）
ytrain，ytest=np.random.choice（np.arange（10），2000）。重塑（2100）
模型=顺序([
Conv2D（32，内核大小=（3,3），激活='relu'，输入形状=xtrain.shape[1:]），
Conv2D（64，（3,3），activation='relu'），
MaxPoolig2D（池大小=（2,2）），
展平（），
稠密（128，活化='relu'），
密集型（10，激活='softmax'））
model.compile（loss=keras.loss.categorical_交叉熵，
optimizer=keras.optimizers.Adam（），
指标=[‘准确度’]）
模型拟合（xtrain、ytrain、，
批次尺寸=16，
纪元=10，
验证_数据=（xtest，ytest））