CNN 架构问题答案

【问题标题】：Issue With CNN architectureCNN 架构问题
【发布时间】：2023-01-10 01:14:44
【问题描述】：

我正在尝试实现 CNN 架构，但是输出的形状存在问题。集合的形状如下：

x_train.shape, y_train.shape, x_test.shape, y_test.shape

((1203, 162, 1), (1203, 7), (402, 162, 1), (402, 7))

架构的设置如下：

input_x = tf.keras.layers.Input(shape = (x_train.shape[1],1))
conv_1 = tf.keras.layers.Conv1D(filters=16,kernel_size=3,padding="same",activation="relu")(input_x)
pool_1 = tf.keras.layers.MaxPooling1D(2)(conv_1)
conv_2 = tf.keras.layers.Conv1D(filters=32,kernel_size=3,padding="same",activation="relu")(pool_1)
pool_2  = tf.keras.layers.MaxPooling1D(2)(conv_2)

flatten = tf.keras.layers.Flatten()(pool_2)
dense = tf.keras.layers.Dense(512, activation="relu")(flatten)
fb = tf.keras.layers.Dropout(0.4)(dense)
fb = tf.keras.layers.Dense(512, activation="relu")(fb)
fb = tf.keras.layers.Dropout(0.4)(fb)

output = tf.keras.layers.Dense(8, activation="softmax")(fb)
model_branching_summed = tf.keras.models.Model(inputs=input_x, outputs=output)
model_branching_summed.summary()
model_branching_summed.compile(optimizer=SGD(learning_rate=0.01 , momentum=0.8), loss='categorical_crossentropy', metrics= ['accuracy'])

history=model_branching_summed.fit(x_train, y_train, batch_size=128, epochs=100, validation_data=(x_test, y_test), 回调=[rlrp])

但是当我运行模型时，它给了我以下错误：

ValueError Traceback（最后一次调用）单元格输入 [192]，第 5 行 1 rlrp = ReduceLROnPlateau(monitor='loss', factor=0.4, verbose=0, patience=2,min_lr=0.0001) 2 #(min_lr=0.000001) ----> 5 history=model_branching_summed.fit(x_train, y_train, batch_size=128, epochs=100, validation_data=(x_test, y_test), 回调=[rlrp])

ValueError：形状（无，7）和（无，8）不兼容

有人可以帮我知道错误在哪里吗？

【问题讨论】：

标签： python tensorflow machine-learning neural-network conv-neural-network

【解决方案1】：

您看到有一个形状为 (None, 8) 的输出层，但您正在尝试计算形状为 (None, 7) 的 y_train 矩阵的损失。

尝试更改此行：

output = tf.keras.layers.Dense(8, activation="softmax")(fb)

到

output = tf.keras.layers.Dense(7, activation="softmax")(fb)

【讨论】：