拟合函数中的 y_train 尺寸不正确

Question

我以某种模式创建了一个人工点集合来运行 2D 分类器。因此，我插入点，例如 (x1,x2) 并命名它们的正确类（标签 1 或标签 2）。点 x_train 和 y_train 都放入 Keras 层模型，最后，我运行 Model.fit 方法。

# Assign returned data

x_train, y_train = separate_dots_from_dict(dots)

y_train = to_categorical(y_train, NUM_CLASSES)

print("Shapes (x, y):", x_train.shape, ",", y_train.shape)

# Classification

model = Sequential()

model.add(Dense(NUM_CLASSES * 8, input_shape = (2, 1, 1), activation = 'relu'))

model.add(Dense(NUM_CLASSES * 4, activation = 'relu'))

model.add(Dense(NUM_CLASSES, activation = 'softmax'))

model.compile(loss = 'categorical_crossentropy',

              optimizer = 'sgd',

              metrics = ['accuracy'])

model.fit(x_train, y_train, epochs = 4, batch_size = 2)

之前，我已经打印了我的点转换结果，这些结果是从我的 separator_dots_from_dict() 函数成功输出的，并且我已经使用 Keras 包中的 to_categorical() 方法进行了转换。我的功能以

return np.array(x_train).reshape(len(x_train), 2, 1, 1), np.array(y_train).reshape(len(y_train))

在下面，我将向您展示在分类开始之前最终生成的 5 个虚构点：

X

[[[[ 0.5]]

  [[ 0.8]]]

 [[[ 0.3]]

  [[ 0.6]]]

 [[[ 0.1]]

  [[-0.3]]]

[[[ 1.1]]

  [[-1.1]]]

 [[[-1.4]]

  [[-1.5]]]]

是

[[1. 0.]

 [1. 0.]

 [1. 0.]

 [0. 1.]

 [0. 1.]]

Y 是 y_train 所以它是训练目标，例如标签。x_train (X) 的格式可能看起来很笨拙，但考虑到我刚刚在这里类似地实现的 MNIST 图像的重塑，这正是著名的格式。不幸的是，我收到以下错误：

Using TensorFlow backend.

Shapes (x, y): (34, 2, 1, 1) , (34, 2)

Traceback (most recent call last):

  File "main.py", line 88, in <module>

    model.fit(x_train, y_train, epochs = 4, batch_size = 2)

  File "/home/scud3r1a/Conda/envs/numtenpy/lib/python3.6/site-packages/keras/engine/training.py", line 950, in fit

    batch_size=batch_size)

  File "/home/scud3r1a/Conda/envs/numtenpy/lib/python3.6/site-packages/keras/engine/training.py", line 787, in _standardize_user_data

我能找到的所有解决方案都有解决方案，只需更改最后一个 Dense 层中的单位即可。但首先，这不会影响任何事情，其次，我认为这是真的。

尺寸误差与 x_train 形状成比例。在这里做什么？

Answer 1

该Dense层需要 dims 的输入(input_dims, None)，您要发送的 dims 3，这应该只是1预期的（正确格式）。None代表batch_size不需要定义的 。在您的模型中尝试此更改：x_train = x_train.reshape(2,-1)model = Sequential()model.add(Dense(NUM_CLASSES * 8, input_dim=(2,), activation = 'relu')它会解决你的问题。