如何调整 Keras 模型的输出尺寸？

Question

我正在尝试使用 Keras 构建人工神经网络。模型的输入尺寸为 (5, 5, 2)，而输出尺寸为 (5,5)。运行 keras.fit() 函数时，遇到以下错误：

ValueError: Error when checking target: expected dense_3 to have 4 dimensions, but got array with shape (5, 5)

这是我正在执行的代码

from keras.models import Sequential
from keras.layers import Dense, Flatten
import matplotlib.pyplot as plt
from keras.callbacks import EarlyStopping, ModelCheckpoint

model = Sequential()

model.add(Dense(1000, input_shape=(5, 5, 2), activation="relu"))
model.add(Dense(1000, activation="relu"))
model.add(Dense(2), output_shape=(5,5))

model.summary()

model.compile(optimizer="adam",loss="mse", metrics = ["mse"])

monitor_val_acc = EarlyStopping(monitor="loss", patience = 10)


history = model.fit(trainX, trainYbliss, epochs=1000, validation_data=(testX, testY), callbacks = [monitor_val_acc], verbose = 1)

clinical = model.predict(np.arange(0, len(testY)))

这是网络的架构：

Layer (type)                 Output Shape              Param #   
=================================================================
dense_1 (Dense)              (None, 5, 5, 1000)        3000      
_________________________________________________________________
dense_2 (Dense)              (None, 5, 5, 1000)        1001000   
_________________________________________________________________
dense_3 (Dense)              (None, 5, 5, 1)           1001      
=================================================================
Total params: 1,005,001
Trainable params: 1,005,001
Non-trainable params: 0
_________________________________________________________________

模型应该基于 (5,5,2) 数组输出 (5,5) 数组，但在最低隐藏层失败。我该如何解决这个问题？

Answer 1

使用以下代码作为参考，根据您的输入值更改值：

train_data = train_data.reshape(train_data.shape[0], 10, 30, 30, 1)

对于您的输入训练数据，

Answer 2

您的网络将输出形状为 (batch_size, 5, 5, 1) 的张量。您的输出是 4 维张量吗？ 如果它是(5,5) 的单个值，您需要将其重塑为(1,5,5,1) 我认为