預期形狀（無，8），但得到陣列形狀（8,1）

Question

我有下面的代碼，

from keras.models import Sequential 
from keras.layers import Dense 
import numpy as np 

# load dataset 
dataset = np.loadtxt("data.csv", delimiter=",") 
# split into input (X) and output (Y) variables 
X = dataset[:, 0:8] 
Y = dataset[:, 8] 
# create model 
model = Sequential() 
model.add(Dense(8, activation="relu", input_dim=8, kernel_initializer="uniform")) 
model.add(Dense(12, activation="relu", kernel_initializer="uniform")) 
model.add(Dense(1, activation="sigmoid", kernel_initializer="uniform")) 
# Compile model 
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) 
# Fit the model 
model.fit(X, Y, epochs=150, batch_size=10, verbose=2) 
# calculate predictions 
test = np.array([6,148,72,35,0,33.6,0.627,50]) 
predictions = model.predict(test) 
# round predictions 
rounded = [round(x[0]) for x in predictions] 
print(rounded) 

當我運行程序時，它給了我下面的錯誤。

ValueError: Error when checking : expected dense_1_input to have shape (None, 8) but got array with shape (8,1)

我知道這個問題有很多重複，我嘗試了所有這些，但它仍然給我同樣的錯誤。我如何解決它？

Answer 1

雖然我們並不看到完整的錯誤跟蹤，我認爲，該模型學習和錯誤出現在該行：

predictions = model.predict(test) 

請證實。

預測失敗，因爲你總是應該餵養網絡是一個形狀爲(number_of_samples_to_predict, input_shape)的numpy數組。 開頭總是有一個額外的維度，這就是你想要預測的所有樣本堆積的地方。當只有一個樣品時，您仍然需要喂入一個[1, input_shape]陣列。

爲了解決這個問題利用這樣定義您的測試輸入：

test = np.array([[6,148,72,35,0,33.6,0.627,50]]) 

現在測試具有形狀(1,8)應該運行的模型預計(?,8)。