Gráfico Modelo de erro índice de avaliação

votos
2

Eu estou tentando aprender Keras GraphNN usando exemplos simples . Eu tenho um exemplo de conjunto de dados simples com 784 características e quero executar este exemplo:

 # graph model with one input and two outputs
    graph = Graph()
    graph.add_input(name='input', input_shape=(784,))
    graph.add_node(Dense(input_dim=784, output_dim=13), name='dense1', input='input')
    graph.add_node(Dense(input_dim=13, output_dim=1), name='dense2', input='input')
    graph.add_node(Dense(input_dim=13, output_dim=1), name='dense3', input='dense1')
    graph.add_output(name='output1', input='dense2')
    graph.add_output(name='output2', input='dense3')

    graph.compile('rmsprop', {'output1': 'mse', 'output2': 'mse'})
    graph.fit({'input': X_train, 'output1': y_train, 'output2': y_train}, nb_epoch=30)
### here is where I am facing difficulty
    score = graph.evaluate({'input': X_test, 'output1': y_test, 'output2': y_test}, batch_size=16, verbose=1)
    print 'score: ', score

A documentação menciona que graph.evaluate():

avaliar (dados, batch_size = 128, detalhado = 1): mostrar o desempenho do modelo ao longo de alguns dados de validação. Retorno : A pontuação perda sobre os dados. Argumentos : mesmo significado como método de ajuste acima. detalhado é usado como uma bandeira binário (barra de progresso ou nada).

E a partir da definição do graph.fit()sabemos que:

Argumentos : dados : entrada de nomes de mapeamento dicionário os nomes saídas de se apropriar matrizes numpy. Todas as matrizes devem conter o mesmo número de amostras.

Embora o meu método de ajuste funciona perfeito, eu recebo IndexError: index 1 is out of bounds for size 1emevaluate

Minhas formas de entrada são:

Xtrain:  (32738, 784)
Xtest:  (16125, 784)
ytest:  (16125,)
ytrain:  (32738,)

O que estou perdendo aqui ?

Publicado 19/11/2015 em 08:44
fonte usuário
Em outras línguas...                            

Cookies help us deliver our services. By using our services, you agree to our use of cookies. Learn more