我正在寻找 scikit-learn 的 keras 等效项partial_fit
: https://scikit-learn.org/0.15/modules/scaling_strategies.html#incremental-learning https://scikit-learn.org/0.15/modules/scaling_strategies.html#incremental-learning用于增量/在线学习。
我终于找到了train_on_batch
方法,但我找不到一个示例来说明如何在 for 循环中为如下所示的数据集正确实现它:
x = np.array([[0.5, 0.7, 0.8]]) # input data
y = np.array([[0.4, 0.6, 0.33, 0.77, 0.88, 0.71]]) # output data
注意:这是一个多输出回归
到目前为止我的代码:
import keras
import numpy as np
x = np.array([0.5, 0.7, 0.8])
y = np.array([0.4, 0.6, 0.33, 0.77, 0.88, 0.71])
in_dim = x.shape
out_dim = y.shape
model = Sequential()
model.add(Dense(100, input_shape=(1,3), activation="relu"))
model.add(Dense(32, activation="relu"))
model.add(Dense(6))
model.compile(loss="mse", optimizer="adam")
model.train_on_batch(x,y)
我收到此错误:
ValueError:层equential_28的输入0与层不兼容:预期输入形状的轴-1具有值3,但收到形状为[3, 1]的输入