Keras 的神经网络 ValueError

Question

我必须用 keras 训练一个神经网络。为此，我使用了一些具有以下形状的测试数据：

 print("     Training data: {}".format(x_Train.shape))
 print("     Training data: {}".format(y_Train.shape))
 print("     Test data: {}".format(x_Test.shape))
 print("     Test data: {}".format(y_Test.shape))

 ....

 Training data: (128, 90, 561)
 Training data: (128,)
 Test data: (43, 90, 561)
 Test data: (43,)

还有这个网络架构：

class NeuralNetwork:
@staticmethod
def Build(Width, Depth, Classes, Drop = 0.5):
    Model = Sequential()
    Model.add(Conv1D(filters = 32, 
                    kernel_size = 5,
                    input_shape = (Width, Depth)
    ))

    Model.add(Activation("relu"))
    Model.add(MaxPooling1D(pool_size = 2,
                            strides = 2
    ))

    Model.add(Conv1D(filters = 64, 
                    kernel_size = 3
    ))
    Model.add(Activation("relu"))
    Model.add(MaxPooling1D(pool_size = 2,
                            strides = 2
    ))

    Model.add(Flatten())
    Model.add(Dense(1024))
    Model.add(Dropout(Drop))
    Model.add(Dense(Classes))
    Model.add(Activation("softmax"))

    return Model

但是当我尝试训练我的模型时，我遇到了这个错误：

ValueError: Error when checking target: expected activation_3 to have shape (12,) but got array with shape (1,)

我使用这段代码进行训练：

print("[INFO] Train model...")
self.__Model = NeuralNetwork.Build(90, 561, 12)
plot_model(self.__Model, show_layer_names = True, show_shapes = True)
self.__Model.compile(loss = "binary_crossentropy", optimizer  = Adam(lr = self.__Learnrate), metrics = ["accuracy"])
self.__Model.fit(x_Train, 
                    y_Train, 
                    validation_data = (x_Test, y_Test), 
                    batch_size = self.__BatchSize,
                    epochs = self.__Epochs, 
                    verbose = 1
)

而且我没有得到这个错误的来源。我用 tensorflow 测试了整个代码，它工作正常。但是我在用 keras 重新设计时做错了。

感谢您的提示或其他...

Answer 1

您似乎混淆了目标和损失函数。我猜你的目标是你的班级y = [3, 5, 6, ...] 的整数标签，你最多有 12 个班级。在这种情况下，您的损失应该是sparse_categorical_crossentropy，因为您想预测 12 个互斥类中的 1 个。

错误表明您正在输出超过 12 个类的分布，但给出了一个目标。 out = [0.2, 0.5, 0.1, ...] 和 y = [2] 之类的东西是 (12,) 和 (1,) 之间的形状不匹配。 Sparse categorical 将您的目标标签转换为 one-hot 向量，因此它变为 y = [0,0,1,0,...]