Keras correcte forme d'entrée pour perceptron multicouche

Question

J'essaye de faire un exemple de base MLP dans keras. Mes données d'entrée ont la forme train_data.shape = (2000,75,75) et mes données de test ont la forme test_data.shape = (500,75,75). 2000 et 500 sont les nombres d'échantillons de données d'apprentissage et de formation (en d'autres termes, la forme des données est (75,75), mais il y a 2000 et 500 données de formation et d'essai). La sortie devrait avoir deux classes.

Je ne suis pas sûr quelle valeur utiliser pour le paramètre input_shape sur la première couche du réseau. En utilisant le code de l'exemple mnist dans le référentiel keras, j'ai (mis à jour):

from six.moves import cPickle 
from keras.models import Sequential 
from keras.layers import Dense, Dropout, Activation 
from keras.utils import np_utils 
from keras.optimizers import RMSprop 

# Globals 
NUM_CLASSES = 2 
NUM_EPOCHS = 10 
BATCH_SIZE = 250 

def loadData(): 
    fData = open('data.pkl','rb') 
    fLabels = open('labels.pkl','rb') 
    data = cPickle.load(fData) 
    labels = cPickle.load(fLabels) 

    train_data = data[0:2000] 
    train_labels = labels[0:2000] 
    test_data = data[2000:] 
    test_labels = labels[2000:] 
    return (train_data, train_labels, test_data, test_labels) 

# Load data and corresponding labels for model 
train_data, train_labels, test_data, test_labels = loadData() 

train_labels = np_utils.to_categorical(train_labels, NUM_CLASSES) 
test_labels = np_utils.to_categorical(test_labels, NUM_CLASSES) 

print(train_data.shape) 
print(test_data.shape) 

model = Sequential() 
model.add(Dense(512, input_shape=(5625,))) 
model.add(Activation('relu')) 
model.add(Dropout(0.2)) 
model.add(Dense(512)) 
model.add(Activation('relu')) 
model.add(Dropout(0.2)) 
model.add(Dense(2)) 
model.add(Activation('softmax')) 

model.summary() 

model.compile(loss='categorical_crossentropy', 
       optimizer=RMSprop(), 
       metrics=['accuracy']) 

history = model.fit(train_data, train_labels, validation_data=(test_data, test_labels), 
        batch_size=BATCH_SIZE, nb_epoch=NUM_EPOCHS, 
        verbose=1) 
score = model.evaluate(test_data, test_labels, verbose=0) 
print('Test score:', score[0]) 
print('Test accuracy:', score[1]) 

où 5625 est 75 * 75 (émulant l'exemple MNIST). L'erreur que j'obtiens est:

Error when checking model input: expected dense_input_1 to have 2 dimensions, but got array with shape (2000, 75, 75) 

Des idées?

Answer 1

Dans l'exemple keras MLP, https://github.com/fchollet/keras/blob/master/examples/mnist_mlp.py

# the data, shuffled and split between train and test sets 
(X_train, y_train), (X_test, y_test) = mnist.load_data() 

X_train = X_train.reshape(60000, 784) 
X_test = X_test.reshape(10000, 784) 

Et l'entrée modèle

model = Sequential() 
model.add(Dense(512, input_shape=(784,))) 

Vous devez remodeler votre train et test (2000,75 * 75) et (500,75 * 75) avec

train_data = train_data.reshape(2000, 75*75) 
test_data = test_data.reshape(500, 75*75) 

puis définissez la forme d'entrée du modèle que vous avez fait

model.add(Dense(512, input_shape=(75*75,)))