【发布时间】：2017-10-10 15:27:38
【问题描述】：
我有一个具有以下架构的模型：
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
conv2d_45 (Conv2D) (None, 298, 298, 32) 608
_________________________________________________________________
conv2d_46 (Conv2D) (None, 296, 296, 16) 4624
_________________________________________________________________
conv2d_47 (Conv2D) (None, 294, 294, 8) 1160
_________________________________________________________________
conv2d_48 (Conv2D) (None, 292, 292, 4) 292
_________________________________________________________________
flatten_16 (Flatten) (None, 341056) 0
_________________________________________________________________
dense_38 (Dense) (None, 500) 170528500
_________________________________________________________________
dense_39 (Dense) (None, 250) 125250
_________________________________________________________________
dense_40 (Dense) (None, 120) 30120
_________________________________________________________________
dense_41 (Dense) (None, 20) 2420
_________________________________________________________________
dense_42 (Dense) (None, 1) 21
=================================================================
model.compile(loss=keras.losses.binary_crossentropy,
optimizer=keras.optimizers.Adadelta(),
metrics=['accuracy'])
我训练了它，它很好， 我尝试进行如下预测：
out = model.predict(xin,batch_size=1)
我认为输出将是单个值，但它是：
print(out.shape)
(550, 1)
现在，我无法理解这个结果，我认为它应该只有 1 个元素。
更新： xin 形状为 (550,300,300,2)
【问题讨论】：
-
xin是什么？文档怎么说？我很确定，阅读它们并检查您的 xin 形状将消除您的困惑。 （xin 可能是一个描述 550 个样本的矩阵，您会获得 550 个预测）。 -
xin的大小是多少？ -
谢谢！，我没注意到.....xin的形状不对！
标签： python machine-learning deep-learning keras