问题描述
我正在尝试制作一个自定义的健身房环境,以便我可以在 Keras 网络中使用它。但是当我尝试拟合 de 神经网络时,我遇到了一个问题。
ValueError: Error when checking input: expected dense_6_input to have 2 dimensions,but got array with shape (1,1,15)
我对这个问题的理解是状态(网络接收的输入)被构造为一个 3 维数组,但我不知道为什么。
这是我在定义环境的类中的 init 方法:
def __init__ (self):
self.action_space = discrete (4)
self.observation_space = Box(low=0,high=100,shape=(15,))
self.state = np.array([1,2,3,4,0],dtype=float)
#self.state = state
self.length = 15
self.index = 0
之后,我初始化了两个保存状态和动作形状的变量,这样我们就可以定义模型了。
states = env.observation_space.shape
actions = env.action_space.n
def build_model(states,actions):
model = Sequential()
model.add(Dense(24,activation='relu',input_shape=states))
model.add(Dense(24,activation='relu'))
model.add(Dense(actions,activation='linear'))
return model
模型总结:
层(类型)输出形状参数#
密集_6(密集)(无,24)384
密集_7(密集)(无,24)600
密集_8(密集)(无,4)100
错误前的最后一步是在我构建代理时。之后,我们调用fit方法并出现问题。
def build_agent(model,actions):
policy = BoltzmannQPolicy()
memory = SequentialMemory(limit=50000,window_length=1)
dqn = DQNAgent(model=model,memory=memory,policy=policy,nb_actions=actions,nb_steps_warmup=10,target_model_update=1e-2)
return dqn
dqn = build_agent(model,actions)
dqn.compile(Adam(lr=1e-3),metrics=['mae'])
dqn.fit(env,nb_steps=50000,visualize=False,verbose=1)
我尝试将第一层的 input_shape 更改为 (1,15) 但似乎不起作用。也许问题与环境(观察空间)的定义或环境如何向网络提供信息有关。我不知道...
我希望你能帮助我。如果您需要更多信息来处理错误,请告诉我。
非常感谢!
解决方法
在您的情况下,输入形状应为 (1,15)。这是因为当 keras 分批处理输入时,实际输入形状增加了一个额外的维度,即您在 shape
中指定的维度,批量大小是第一个参数。
错误消息告诉您形状 (1,1,15) 的输入正在传递给模型(即批次 1,输入形状 (1,15),因此 ndims=3),但您只有 ndims=2。尽管只传递 (15,) 作为输入形状,请注意 ndims = 2。这是因为 Keras 为批次添加了额外的维度。
所以要修复,设置 shape=(1,15)
,然后将其处理为 (1,15)
,这是 Keras 所期望的。