Keras 目标尺寸不匹配答案

【问题标题】：Keras target dimensions mismatchKeras 目标尺寸不匹配
【发布时间】：2019-08-28 10:47:15
【问题描述】：

用num_classes = 73尝试单标签分类问题

这是我简化的 Keras 模型：

num_classes = 73
batch_size = 4

train_data_list = [training_file_names list here..]
validation_data_list = [ validation_file_names list here..]

training_generator = DataGenerator(train_data_list, batch_size, num_classes)
validation_generator = DataGenerator(validation_data_list, batch_size, num_classes)

model = Sequential()
model.add(Conv1D(32, 3, strides=1, input_shape=(15,120), activation="relu"))
model.add(Conv1D(16, 3, strides=1, activation="relu"))
model.add(Flatten())
model.add(Dense(n_classes, activation='softmax'))

sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss="categorical_crossentropy",optimizer=sgd,metrics=['accuracy'])

model.fit_generator(generator=training_generator, epochs=100,
                    validation_data=validation_generator)

这是我的DataGenerator 的__get_item__ 方法：

def __get_item__(self):
    X = np.zeros((self.batch_size,15,120))
    y = np.zeros((self.batch_size, 1 ,self.n_classes))
    for i in range(self.batch_size):
      X_row = some_method_that_gives_X_of_15x20_dim()   
      target = some_method_that_gives_target()    
      one_hot = keras.utils.to_categorical(target, num_classes=self.n_classes)
      X[i] = X_row
      y[i] = one_hot
    return X, y

由于我的X 值与维度(batch_size, 15, 120) 一起正确返回，因此我不在这里展示它。我的问题是返回的 y 值。

从此生成器方法返回的y 具有(batch_size, 1, 73) 的形状，作为 73 个类的一个热编码标签，我认为这是要返回的正确形状。

但是 Keras 对最后一层给出了以下错误：

ValueError：检查目标时出错：预期 dense_1 有 2 尺寸，但得到了形状为 (4, 1, 73) 的数组

由于batch size是4，我认为目标batch也应该是3维的（4,1,73）。那么为什么 Keras 期望最后一层是二维的呢？

【问题讨论】：

标签： machine-learning keras neural-network deep-learning conv-neural-network

【解决方案1】：

你的模型的总结表明，在输出层应该只有 2 个维度，(None, 73)

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv1d_7 (Conv1D)            (None, 13, 32)            11552     
_________________________________________________________________
conv1d_8 (Conv1D)            (None, 11, 16)            1552      
_________________________________________________________________
flatten_5 (Flatten)          (None, 176)               0         
_________________________________________________________________
dense_4 (Dense)              (None, 73)                12921     
=================================================================
Total params: 26,025
Trainable params: 26,025
Non-trainable params: 0
_________________________________________________________________

由于您的目标尺寸为 (batch_size, 1, 73)，您只需更改为 (batch_size, 73) 即可运行模型

【讨论】：