将tflearn模型转换为keras

debugcn 发表于 Dev

亚瑟斯

我正在尝试将旧的tflearn模型转换为keras模型，因为我已从TF 1.15迁移到TF 2.0，在此不再支持tflearn。我的keras模型是：

model = tf.keras.Sequential([
    tf.keras.layers.Dense(8, input_shape=(None, len(train_x[0]))),
    tf.keras.layers.Dense(8),
    tf.keras.layers.Dense(len(train_y[0]), activation="softmax"),
])

model.compile(optimizer="adam", loss="sparse_categorical_crossentropy", metrics=["accuracy"])
model.fit(train_x, train_y, epochs=epochs, batch_size=batch_size)

test_loss, test_acc = model.evaluate(train_x, train_y)
print("Tested Acc:", test_acc)

运行它时，出现以下错误：

ValueError：检查输入时出错：预期density_input具有3维，但数组的形状为（49，51）

我不知道如何解决此错误。我需要以某种方式重新定义模型吗？我究竟做错了什么？

作为参考，我的旧tflearn模型是：

tf.reset_default_graph()

net = tflearn.input_data(shape=[None, len(train_x[0])])
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, len(train_y[0]), activation='softmax')
net = tflearn.regression(net)

model = tflearn.DNN(net, tensorboard_dir='tflearn_logs')
model.fit(train_x, train_y, n_epoch=epochs, batch_size=batch_size, show_metric=True)

离子溶液

正如我们在注释中发现的那样，您的代码存在两个问题。

首先，不得在input_shape参数cf中指定批次尺寸。Keras的文档Dense。

其次，因为train_y.shape = (?, 6)，您需要使用categorical_crossentropy和sparse_categorical_crossentropy。Keras文档中有一条注释，详细描述了差异。

这是更正的代码：

model = tf.keras.Sequential([
    tf.keras.layers.Dense(8, input_shape=(len(train_x[0]))),
    tf.keras.layers.Dense(8),
    tf.keras.layers.Dense(len(train_y[0]), activation="softmax"),
])

model.compile(optimizer="adam", loss="categorical_crossentropy", metrics=["accuracy"])
model.fit(train_x, train_y, epochs=epochs, batch_size=batch_size)

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。