如何理解和调试 keras.model.fit 中的错误？答案

【问题标题】：How to understand and debug the error inside keras.model.fit?如何理解和调试 keras.model.fit 中的错误？
【发布时间】：2020-04-18 21:52:41
【问题描述】：

我正在尝试实现一个keras LSTM。我在 keras.model.fit 中遇到错误。我不明白这个错误是什么意思。我的代码如下 -

print(x_train.shape)
print(y_train.shape)

word_input = Input(shape=(mxlen,), dtype="int32", name="word_input")
x1 = Embedding(len(vocab), 100, input_length=mxlen, weights=[embeddings], trainable=False)(word_input)
x1 = LSTM(100)(x1)

y = Dense(6, activation="softmax", name="main_output")(x1)

model = Model(inputs=[word_input], outputs=[y])
adam = optimizers.Adam(learning_rate=0.001, beta_1=0.9, beta_2=0.999, amsgrad=False)
model.compile(optimizer=adam,loss='categorical_crossentropy',metrics=['categorical_accuracy']) # have to look into it
model.fit(x_train, y_train, epochs=30, batch_size=40, verbose=1)

x_train 和 y_train 具有以下形状 - (10240, 198) 和 (10240,)。

我收到以下错误：

【问题讨论】：

只需将此行从model.compile(optimizer=adam,loss='categorical_crossentropy',metrics=['categorical_accuracy']) # have to look into it 更改为model.compile(optimizer=adam,loss='sparse_categorical_crossentropy',metrics=['accuracy']) # have to look into it。让我知道它是否适合你。

标签： keras lstm keras-layer tf.keras

【解决方案1】：

您的输出层有 6 个输出（可能给出了 6 个类），但 y_train 中的目标标签显然是整数（数组是平的）。您需要先将 y_train 转换为 one-hot 编码数组，否则无法计算交叉熵损失。输入和输出张量必须始终与模型的输入和输出兼容。

假设 y_train 中有 6 个类，编码为： 0,1,2,3,4,5

您需要转换：

0 -> 1.,0.,0.,0.,0.,0.

1 -> 0.,1.,0.,0.,0.,0.

等等

试试这样：

import tf.keras.backend as K

...

num_classes = 6
y_one_hot = K.one_hot( y_train, num_classes )

....

model.fit(x_train, y_one_hot, epochs=30, batch_size=40, verbose=1)

【讨论】：