输入和标签数据应以何种形式输入Keras fit函数?
我试图训练一个序列分类器,有1个输入神经元,3个输出神经元。数据位于数据框输入和标签数据应以何种形式输入Keras fit函数?,r,tensorflow,keras,deep-learning,neural-network,R,Tensorflow,Keras,Deep Learning,Neural Network,我试图训练一个序列分类器,有1个输入神经元,3个输出神经元。数据位于数据框X和Y中,但我必须如何将此数据输入keras库中的fit函数?换句话说,train\u x和train\u y的变量类型应该是什么(例如,它是数据帧、矩阵、列表等) […] 预测值% 层密度(单位=8,激活=“relu”,输入形状=c(1))%>% 层密度(单位=8,活化=“relu”)%>% 层密度(单位=3,激活=“softmax”) [...] 序列x拟合的变量类型应为向量、矩阵或数组 根据协议规定,如下所示: x-
X
和Y
中,但我必须如何将此数据输入keras
库中的fit
函数?换句话说,train\u x
和train\u y
的变量类型应该是什么(例如,它是数据帧、矩阵、列表等)
[…]
预测值%
层密度(单位=8,激活=“relu”,输入形状=c(1))%>%
层密度(单位=8,活化=“relu”)%>%
层密度(单位=3,激活=“softmax”)
[...]
序列x拟合的变量类型应为向量、矩阵或数组
根据协议规定,如下所示:
x-
向量、矩阵或训练数据数组(如果模型有多个输入,则列出)。如果模型中的所有输入都已命名,则还可以传递将输入名称映射到数据的列表。如果从框架本机张量(例如TensorFlow数据张量)馈送,则x可以为NULL(默认值)
y-目标(标签)数据的向量、矩阵或数组(如果
模型有多个输出)。如果模型中的所有输出都已命名,
还可以传递将输出名称映射到数据的列表。y可以为空
(默认)如果从框架本机张量馈送(例如TensorFlow
数据张量)
模型需要知道它应该期望的输入形状。因此,顺序模型中的第一层(而且只有第一层,因为后续层可以进行自动形状推断)需要接收有关其输入形状的信息。例如:可以将批处理大小参数传递给层。如果将batch\u size=32
和input\u shape=c(6,8)
传递到一个层,则它将期望每批输入都具有批形状(32,6,8)
希望这能回答你的问题。快乐学习
[...]
predictor <- keras_model_sequential() %>%
layer_dense(units = 8, activation = "relu", input_shape = c(1)) %>%
layer_dense(units = 8, activation = "relu") %>%
layer_dense(units = 3, activation = "softmax")
[...]
train_x <- X
train_y <- Y
history <- predictor %>% fit(
train_x,
train_y,
epochs = 20,
verbose = 2
)