keras 密集层的意外输出形状

Question

我尝试创建一个只有一个隐藏层的最小 非卷积 NN 图像二元分类器（作为更复杂模型之前的实践）：

def make_model(input_shape):
    inputs = keras.Input(shape=input_shape)
    x = layers.Dense(128, activation="ReLU")(inputs)
    outputs = layers.Dense(1, activation="sigmoid")(x)
    return keras.Model(inputs, outputs)
model = make_model(input_shape=(256, 256, 3))

它的model.summary() 显示

Model: "model"
_________________________________________________________________
 Layer (type)                Output Shape              Param #   
=================================================================
 input_1 (InputLayer)        [(None, 256, 256, 3)]     0                                                                       
 dense (Dense)               (None, 256, 256, 128)     512                                                                    
 dense_1 (Dense)             (None, 256, 256, 1)       129                                                      
=================================================================
Total params: 641
Trainable params: 641
Non-trainable params: 0

由于dense_1 层只有一个神经元，我期望该层的输出形状为(None, 1)（即，表示预测的二进制标签的单个数字），但模型给出了(None, 256, 256, 1) .

我的模型设置有什么问题，如何才能正确设置？

Answer 1

你的函数make_model有一个错误。

def make_model(input_shape):
    inputs = keras.Input(shape=input_shape)
    x = layers.Dense(128, activation="ReLU")(x)
    outputs = layers.Dense(1, activation="sigmoid")(x)
    return keras.Model(inputs, outputs)

你可能希望第二行是

x = layers.Dense(128, activation="ReLU")(inputs)

而不是

x = layers.Dense(128, activation="ReLU")(x)

不幸的是，x 存在于范围内，所以它没有抛出错误。

Answer 2

如果你想使用输出形状(None, 1)，你必须将你荒谬的大张量展平：

import tensorflow as tf

def make_model(input_shape):
    inputs = tf.keras.layers.Input(shape=input_shape)
    x = tf.keras.layers.Dense(128, activation="relu")(inputs)
    x = tf.keras.layers.Flatten()(x)
    outputs = tf.keras.layers.Dense(1, activation="sigmoid")(x)
    return tf.keras.Model(inputs, outputs)

model = make_model(input_shape=(256, 256, 3))
print(model.summary())