使用Keras构建神经网络时遇数组形状无效错误求助

嘿，我帮你找出代码里的几个关键问题啦，这就是你运行出错的核心原因：

主要错误点 #

• 变量赋值完全混乱：你把训练数据、测试数据、标签的赋值全搞混了，直接导致模型输入的维度和类型完全不符合要求：
  • 你错误地将y_train赋值为测试数据的向量化结果，这应该是x_test的内容
  • 你用train_labels覆盖了之前正确生成的x_train，这让模型训练时输入的不是文本向量化后的特征（维度(25000, 10000)），而是一维的标签数据（维度(25000,)），模型肯定会报错
  • 你漏了给y_train正确赋值，应该把训练标签转成float32类型
• 未定义x_test变量：后面调用model.evaluate(x_test, y_test)时，x_test根本没定义，会触发NameError

修正后的完整代码 #

from keras.datasets import imdb
import numpy as np
from keras import models
from keras import layers

# 加载数据集
(train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000)

# 向量化序列函数
def vectorize_sequences(sequences, dimension=10000):
    results = np.zeros((len(sequences), dimension))
    for i, sequence in enumerate(sequences):
        results[i, sequence] = 1.
    return results

# 正确赋值：训练数据、测试数据向量化，标签转成float32
x_train = vectorize_sequences(train_data)
x_test = vectorize_sequences(test_data)  # 修正：这里应该是x_test
y_train = np.asarray(train_labels).astype('float32')  # 修正：定义y_train
y_test = np.asarray(test_labels).astype('float32')

# 构建模型
model = models.Sequential()
model.add(layers.Dense(16, activation='relu', input_shape=(10000,)))
model.add(layers.Dense(16, activation='relu'))
model.add(layers.Dense(1, activation='sigmoid'))

# 编译与训练
model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=4, batch_size=512)
# 评估模型
results = model.evaluate(x_test, y_test)
print(results)

关键修改说明 #

1. 将y_train = vectorize_sequences(test_data)改为x_test = vectorize_sequences(test_data)：正确生成测试集的特征数据
2. 新增y_train = np.asarray(train_labels).astype('float32')：正确定义训练集标签
3. 删除了覆盖x_train的错误代码x_train = np.asarray(train_labels).astype('float32')：保留了正确的训练特征数据

这样修改后，模型的输入特征（x_train、x_test）维度是(样本数, 10000)，标签（y_train、y_test）是一维的float32类型，完全符合模型的要求，就能正常运行啦。

内容的提问来源于stack exchange，提问作者rmahesh