Keras：密集层中的错误形状

Question

我正在尝试准备一个模型，该模型采用形状为 56x56 像素和 3 个通道的输入图像：(56, 56, 3)。输出应该是一个包含 216 个数字的数组。我重用了来自数字识别器的代码并对其进行了一些修改：

model = Sequential()

model.add(Conv2D(filters = 32, kernel_size = (5,5),padding = 'Same', 

                 activation ='relu', input_shape = (56,56,3)))

model.add(Conv2D(filters = 32, kernel_size = (5,5),padding = 'Same', 

                 activation ='relu'))

model.add(MaxPool2D(pool_size=(2,2)))

model.add(Dropout(0.25))

model.add(Conv2D(filters = 64, kernel_size = (3,3),padding = 'Same', 

                 activation ='relu'))

model.add(Conv2D(filters = 64, kernel_size = (3,3),padding = 'Same', 

                 activation ='relu'))

model.add(MaxPool2D(pool_size=(2,2), strides=(2,2)))

model.add(Dropout(0.25))

model.add(Flatten())

model.add(Dense(256, activation = "relu"))

model.add(Dropout(0.5))

model.add(Dense(216, activation = "linear"))

from tensorflow.python.keras.losses import categorical_crossentropy

model.compile(loss = categorical_crossentropy,

                     optimizer = "adam",

                     metrics = ['accuracy'])

这给了我一个错误：

ValueError: Error when checking target: expected dense_1 to have shape (216,) but got array with shape (72,)

我知道如何编码分类器模型但不获取数组作为输出，所以可能我没有在最后一个 Dense 层中设置正确的形状。我不知道它应该是 1 还是 216。

我在这篇文章中读到问题可能是损失函数，但我不确定我应该使用什么其他损失函数。

Answer 1

正如您所看到的，您给定的输入是input_shape = (56,56,3).现在你当前的数据形状是56。应用32的过滤器后，您的数据形状为72。这行代码你的密集层有 256 节点，这意味着（你的密集是从数组接收256输入但得到72）model.add(Dense(256, activation = "relu"))您可以更改过滤器形状或将256更改为72。我希望这对你有用。

Answer 2

最后一层应该与你的目标类具有相同的形状改变model.add(Dense(216, activation = "linear"))到model.add(Dense(72, activation = "linear"))