带Keras神经网络的8x8棋盘游戏的input_shape
当涉及到建立一个NN时，我的耳朵是非常绿色的。现在，我收到以下错误：
ValueError:检查时出错:期望dense_1_input具有三维，但得到形状为(8，8)的数组
背景:我使用的是8x8板--这是我初始化它的方式：
self.state = np.zeros((LENGTH, LENGTH))下面是我构建模型的代码：
def build_model(self):
#builds the NN for Deep-Q Model
model = Sequential()
model.add(Dense(24,input_shape = (LENGTH, LENGTH), activation='relu'))
model.add(Flatten())
model.add(Dense(24, activation='relu'))
model.add(Dense(self.action_size, activation = 'linear'))
model.compile(loss='mse', optimizer='Adam')
return model我想，因为董事会的形状是(8,8)，input_size应该是一样的。不知道我做错了什么？
以防万一这是有用的：
我制作的游戏非常简单，包括棋盘上的5块：
- player1有1块，只需1步就可以向前和向后移动。
- player2有4块，只能从对角线的位置向前移动1步。
player1的目标是到达板子的另一边，player2的目标是诱捕1名球员，这样他就不能移动。
任何帮助都将不胜感激！
回答 1
Stack Overflow用户
发布于 2018-09-18 20:18:41
我设法让它跑了..。但这就是:我把input_shape改成了这个
input_shape = (LENGTH, )，问题是我不知道为什么它会接受这个？如果我做得对吗？
不，您使用的第一个输入形状(即(LENGTH,LENGTH))是正确的。注意，input_shape参数指定了的形状--一个并且只有一个训练样本，而不是所有的培训数据。例如，如果您有1000个8x8的板，那么训练数据的形状为(1000, 8, 8)，但是input_shape参数必须指定为(8,8)，即一个训练样本的形状。
此外，由于您可能知道或可能不知道the Dense layer is applied on the last axis，并且由于您已经将密集层的输入形状定义为(LENGTH,LENGTH)，所以稠密层将不应用于所有输入(即板)，而是应用于第二轴(即板的行)。我想这不是您想要的，所以这里有两个选项: 1)您可以将扁平层移到顶部，并将其作为模型的第一层：
model = Sequential()
model.add(Flatten(input_shape=(LENGTH, LENGTH)))
model.add(Dense(24, activation='relu'))
# the rest of the model或者2)您可以重塑训练数据，使其具有(num_boards, LENGTH*LENGTH)的形状，并相应地调整input_shape参数(在这种情况下，您不需要模型中的平坦层，您可以删除它)：
training_data = np.reshape(training_data, (num_boards, LENGTH*LENGTH))
model = Sequential()
model.add(Dense(24,input_shape=(LENGTH*LENGTH,), activation='relu'))另外，如果您只有一个培训/测试样本(这是奇怪的！)或者无论有多少训练/测试样本，训练/测试数据数组的第一轴必须对应于样本，即所有训练/测试数据数组的形状必须是(num_sample, ...)。否则，在调用fit/predict/evaluate方法时，您可能会收到抱怨形状的错误，就像已经得到的一样。同样的情况也适用于包含培训/测试标签的数组。
https://stackoverflow.com/questions/52391757
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号