problème d'entrée-forme dans les réseaux de neurones avec Keras en Python

Question

J'essaie de répliquer exactement this tutorial sur les réseaux de neurones en utilisant l'ensemble de données MNIST. Quand je copier-coller juste dans mon éditeur Python, je reçois l'exception suivante:

Exception: The first layer in a Sequential model must get an `input_shape` or `batch_input_shape` argument. 

J'ai donc essayé de préciser le sheme d'entrée en utilisant

model.add(Convolution2D(32, 1, 3, 3, border_mode='same', input_sheme=(1,28,28))) 

mais je suppose que je l'ai fait mal.

Quelqu'un peut-il aider?

Answer 1

Typo

model.add(Convolution2D(32, 1, 3, 3, border_mode='same', input_sheme=(1,28,28))) 
                   ^

devrait être

model.add(Convolution2D(32, 1, 3, 3, border_mode='same', input_shape=(1,28,28))) 

Answer 2

Il dit donc il droit

Exception: La première couche dans un modèle séquentiel doit obtenir un argument input_shape ou batch_input_shape.

Je vais maintenant essayer de casser ce message d'erreur pour vous. La prochaine fois que vous l'essayez vous-même.

La première couche dans un modèle séquentiel [...]

Un modèle séquentiel est un modèle qui utilise une séquence de couches pour générer une sortie à partir d'une entrée. Je suppose que la couche Convolution2D est en fait la première couche de votre modèle.

[...] doit obtenir un argument input_shape ou batch_input_shape.

Keras doit connaître la forme de l'entrée. Vous devez donc le fournir à la première couche ou utiliser un calque Input avec cette forme. Vous fournissez le paramètre input_sheme, que cette couche n'a même pas. Essayez de fournir input_shape à la place. Pour MNIST, c'est généralement (784,) car c'est le nombre de pixels qu'une image 28 par 28 a.