输出层的形状总是 (1,)

Question

我正在尝试制作一个简单的 Keras 模型。但无论我指定什么输出形状，输出层始终是该形状(1,)，因此由于输出层和目标数据形状不匹配，我无法训练我的模型。

import keras

from keras.models import Sequential

from keras.layers import InputLayer, LSTM, Dense

# 63 is the number of unique characters

# 128 is the length of a sequence of characters

X = ... # X is an one-hot ndarray; X.shape == (96092, 128, 63)

Y = ... # Y is an one-hot ndarray; Y.shape == (96092, 63)

model = Sequential()

model.add(InputLayer([128, 63]))

model.add(LSTM(96))

model.add(Dense(63))

model.compile(

  optimizer=keras.optimizers.RMSprop(1e-3, decay=1e-5),

  loss=keras.losses.sparse_categorical_crossentropy,

)

model.fit(X, Y) # ValueError: Error when checking target: expected dense_4 to have shape (1,) but got array with shape (63,)

如您所见，输出密集层的形状是，(1,)但它必须是形状(63,)。我究竟做错了什么？

我正在使用带有预装 Keras 的 Google Colab。

Answer 1

该错误的意思是输出层的形状是63。但是，由于某种原因，它期望为1。在这种情况下，它需要 1 的原因是因为您正在使用sparse_categorical_crossentropy，它需要一个表示输出类别索引的整数。取而代之的是 use categorical_crossentropy，它期望输出类别的 one-hot 编码。