InvalidArgumentError：不兼容的形状：[10,7] 与 [10] [[{{node metrics/acc/Equal}}]]

Question

我是深度学习和 Keras 库的新手，我正在尝试使用 Adrian Rosebrock 的教程（在 X 射线图像中检测 COVID-19）使用二进制分类。 我的目标是训练两个以上的课程。我进行了一些更改以应用类别分类。 （7类检测面部情绪）。 我最近发布了一个培训错误： link

我已经解决了，但我还有另一个错误：

标签形状和数据形状的输出：

(981, 7, 2) # labels shape (981, 224, 224, 3) # data shape

我正在尝试使用此脚本训练数据集（在应用了一些修改之后）。

INIT_LR = 1e-3
EPOCHS = 100
BS = 10

print("[INFO] loading images...")
imagePaths = list(paths.list_images(args["dataset"]))
data = []
labels = []

for imagePath in imagePaths:
    label = imagePath.split(os.path.sep)[-2]
    image = cv2.imread(imagePath)
    image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    image = cv2.resize(image, (224, 224))
    data.append(image)
    labels.append(label)

data = np.array(data) / 255.0
labels = np.array(labels)

stratifylabels=np.array(labels)
lb = LabelBinarizer()
labels = lb.fit_transform(labels)
labels = to_categorical(labels) # line 77
print(labels.shape)
print(data.shape)

(trainX, testX, trainY, testY) = train_test_split(data, labels,
    test_size=0.20, random_state=42,)

trainAug = ImageDataGenerator(
rotation_range=15,
fill_mode="nearest")

baseModel = VGG16(weights="imagenet", include_top=False,
    input_tensor=Input(shape=(224, 224, 3)))

headModel = baseModel.output
headModel = AveragePooling2D(pool_size=(4, 4))(headModel)
headModel = Flatten(name="flatten")(headModel)
headModel = Dense(64, activation="relu")(headModel)
headModel = Dropout(0.5)(headModel)
headModel = Dense(7, activation="softmax")(headModel)

model = Model(inputs=baseModel.input, outputs=headModel)
for layer in baseModel.layers:
layer.trainable = False
print("[INFO] compiling model...")
opt = Adam(lr=INIT_LR, decay=INIT_LR / EPOCHS)
model.compile(loss="categorical_crossentropy", optimizer=opt,
metrics=["accuracy"])

我遇到了这个错误：

Traceback（最近一次调用最后一次）： 文件“train_mask.py”，第 130 行，在 纪元=EPOCHS) tensorflow.python.framework.errors_impl.InvalidArgumentError：不兼容的形状：[10,7] vs. [10] [[{{节点指标/acc/Equal}}]] [[{{node >ConstantFoldingCtrl/loss/dense_1_loss/broadcast_weights/assert_broadcastable/AssertGuard/Switch_0}}]]

注意：当我评论第 77 行时，训练工作正常，但结果非常糟糕，准确率=1.2xx

Answer 1

您可以保留第 77 行并将您的编译函数更改为：

model.compile(loss="categorical_crossentropy", optimizer=opt,metrics=["categorical_accuracy"])

或者您可以删除第 77 行并将您的编译函数更改为：

model.compile(loss="sparse_categorical_crossentropy", optimizer=opt,metrics=["sparse_categorical_accuracy"])