另一个“检查目标时出错：期望dense_2具有形状(4,)但得到形状为(1,)的数组”

Question

我在 Python 3 中使用 Keras。我遇到的问题似乎与许多其他问题相似，我能告诉的最好的情况是我可能需要使用 Flatten()，尽管我不知道如何正确设置参数。我收到错误：

ValueError：检查目标时出错：预期dense_2具有形状（4，）但得到形状为（1，）的数组

我的数据还不是图像，但它们是我已转换为数据帧的序列。

model = Sequential()

model.add(Dense(30, input_dim=16, activation='relu'))

model.add(Dense(len(TheBinsizeList), activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

model.fit(Train_Columns, TrainTarget_Columns.to_frame(), epochs=100, batch_size=64)

print(Train_Columns.shape)

# Gives a value of (1627, 16)

print((TrainTarget_Columns.to_frame()).shape)

# Gives a value of (1627,1)

现在 TrainTarget_Columns 的值是这两个元组中的 1627：

(1494, 3) (1080, 2) (1863, 2) (919, 4) (1700, 2) (710, 4) (1365, 4) (1815, 3) (1477, 2) (1618, 1)...

主题编号是每个管中的第一个条目，第二个条目是训练目标的值。

虽然我看到将密集_2 中的 TheBinsizeList 从 4 更改为 2 会导致预期形状从 (4,) 变为 (2,)，但我不知道如何使用 Flatten （如果需要的话）来正确格式化值。

Model: "sequential_1"

_________________________________________________________________

Layer (type)                 Output Shape              Param #   

=================================================================

dense_1 (Dense)              (None, 30)                510       

_________________________________________________________________

dense_2 (Dense)              (None, 4)                 124       

=================================================================

Total params: 634

Trainable params: 634

Non-trainable params: 0

任何帮助表示赞赏和感谢。

Answer 1

考虑到您的模型摘要，模型需要输入 shape(batch_size, 16)和目标 shape (batch_size, 4)。如果你的目标的形状是(1627,1)你的问题。解决方案：将其更改为一个热变量（例如使用tf.one_hot(y, n_classes)），错误应该消失import numpy as npimport tensorflow as tfinput_dim = 16hidden_dim = 30n_classes = 4model = tf.keras.Sequential()model.add(tf.keras.layers.Dense(hidden_dim, input_dim=input_dim, activation='relu'))model.add(tf.keras.layers.Dense(n_classes, input_dim=hidden_dim, activation='relu'))model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])X = np.random.randn(100, input_dim)y = np.random.randint(0, n_classes, size=(100,))model.fit(X, y)# ValueError: Shapes (None, 1) and (None, 4) are incompatibley = tf.one_hot(y, n_classes)model.fit(X, y)# Works !