Почему код функционального api работает, а Sequential нет?

Question

[nasdi]

После прочтения 1 статьи решил написать простой автоэнкодер. Пример написанный с использованием функционально api работает, а мой с использованием Sequential api, ругается на размерность входа. Поэтому вопрос с следующем. Как переписать код в Sequential api ,что бы он работал и в чем была ошибка
Работающий код:

input_dim = X_train.shape[1]
encoding_dim = 14
input_layer = Input(shape=(input_dim, ))
encoder = Dense(encoding_dim, activation="tanh", 
                activity_regularizer=regularizers.l1(10e-5))(input_layer)
encoder = Dense(int(encoding_dim / 2), activation="relu")(encoder)
decoder = Dense(int(encoding_dim / 2), activation='tanh')(encoder)
decoder = Dense(input_dim, activation='relu')(decoder)
autoencoder = Model(inputs=input_layer, outputs=decoder)
nb_epoch = 100
batch_size = 32
autoencoder.compile(optimizer='adam', 
                    loss='mean_squared_error', 
                    metrics=['accuracy'])

history = autoencoder.fit(X_train, X_train,
                    epochs=nb_epoch,
                    batch_size=batch_size,
                    shuffle=True,
                    validation_data=(X_test, X_test),
                    verbose=1)

Не работающий:

keras_model = Sequential()
keras_model.add(Dense(14, activity_regularizer=regularizers.l1(10e-5), input_shape=(1,)))
keras_model.add(Activation('tanh'))
keras_model.add(Dense(7))
keras_model.add(Activation('relu'))
keras_model.add(Dense(7))
keras_model.add(Activation('tanh'))
keras_model.add(Dense(14))
keras_model.add(Activation('relu'))
keras_model.compile(optimizer='adam', loss = 'mean_squared_error', metrics=['accuracy'])
keras_model.fit(x_train, x_train,
                    epochs=nb_epoch,
                    batch_size=batch_size,
                    shuffle=True,
                    validation_data=(x_test, x_test),
                    verbose=1)

Ошибка:

Error when checking target: expected activation_140 to have shape (14,) but got array with shape (1,)

x_train.shape - (2800, 1)

Answer 1

[Данил]

Попробуйте так:

input_dim = X_train.shape[1]
keras_model.add(Dense(14, activity_regularizer=regularizers.l1(10e-5), input_shape=(input_dim,)))

Comments

[nasdi]

input_shape=(input_dim,) равносильно строке input_shape=(1,)

[Данил]

Попробуйте заменить input_shape на input_dim.

keras_model = Sequential()
keras_model.add(Dense(14, activity_regularizer=regularizers.l1(10e-5), input_dim=1))

[nasdi]

Данил, Выдает ('Keyword argument not understood:', 'input_dim').
По документации input_dim "входит в Input shape"

nD tensor with shape: (batch_size, ..., input_dim). The most common situation would be a 2D input with shape (batch_size, input_dim).

[Данил]

А можно взглянуть, как выглядит x_train и x_test, хотяб по одной строке.

Я бы порекомендовал упростить сеть и добавлять по одному слою. Можно начать с самого простого:

keras_model = Sequential()
keras_model.add(Dense(14, activity_regularizer=regularizers.l1(10e-5), input_shape=(1,)))
keras_model.add(Activation('relu'))
keras_model.compile(optimizer='adam', loss='mean_squared_error', metrics=['accuracy'])
keras_model.fit(x_train, x_train,
                    epochs=nb_epoch,
                    batch_size=batch_size,
                    shuffle=True,
                    validation_data=(x_test, x_test),
                    verbose=1)

[nasdi]

Датасет максимально прост

array([[7],
[3],
[1],
...,
[3],
[0],
[3]])