如何在 CNN-LSTM 模型上应用 model.fit() 函数？

Question

我试图用它来将图像分为两类。我还应用了 model.fit() 函数，但它显示错误。

ValueError：将形状为 (90, 1) 的目标数组传递给形状为 (None, 10) 的输出，同时用作损失 binary_crossentropy。这种损失期望目标与输出具有相同的形状。

import tensorflow as tf

from tensorflow.keras.models import Sequential

from tensorflow.keras.layers import Dense, Dropout, Activation, Flatten, Conv2D, MaxPooling2D, LSTM

import pickle

import numpy as np

X = np.array(pickle.load(open("X.pickle","rb")))

Y = np.array(pickle.load(open("Y.pickle","rb")))

#scaling our image data

X = X/255.0

model = Sequential()

model.add(Conv2D(64 ,(3,3), input_shape = (300,300,1)))

# model.add(MaxPooling2D(pool_size = (2,2)))

model.add(tf.keras.layers.Reshape((16, 16*512)))

model.add(LSTM(128, activation='relu', return_sequences=True))

model.add(Dropout(0.2))

model.add(LSTM(128, activation='relu'))

model.add(Dropout(0.2))

model.add(Dense(32, activation='relu'))

model.add(Dropout(0.2))

model.add(Dense(10, activation='softmax'))

opt = tf.keras.optimizers.Adam(lr=1e-3, decay=1e-5)

model.compile(loss='binary_crossentropy', optimizer=opt,

             metrics=['accuracy'])

# model.summary()

model.fit(X, Y, batch_size=32, epochs = 2, validation_split=0.1)

Answer 1

如果您的问题是明确的，那么您的问题是您使用的是binary_crossentropy而不是categorical_crossentropy; 确保您确实有分类问题而不是二元分类问题。另外，请注意，如果你的标签是简单的整数格式，比如 [1,2,3,4...] 而不是单热编码，你的 loss_function 应该是sparse_categorical_crossentropy，而不是categorical_crossentropy。如果您确实有二进制分类问题，如上述错误中所述，请确保：损失是 binary_crossentroy +Dense(1,activation='sigmoid')损失是 categorical_crossentropy +Dense(2,activation='softmax')