【问题标题】:ValueError: Error when checking target: expected max_pooling2d_1 to have 4 dimensions, but got array with shape (61, 1)ValueError:检查目标时出错:预期 max_pooling2d_1 有 4 个维度,但得到的数组形状为 (61, 1)
【发布时间】:2018-03-11 10:57:43
【问题描述】:

我正在 Windows 10 上的 keras tensorflow 后端工作。 我无法解释错误的含义

这是我的代码的 sn-p

{
model = Sequential([
    #Dense(32, input_shape=(1080,1920,2)),
    Dense(32, input_shape=(250,250, 3)),
    #Dense(32, input_shape=(3,1080,1920,2)),
    Activation('relu'),
    Dense(10),
    Activation('softmax'),
    Dropout(0.02),
])

layer = Dropout(0.02)

#further layers:
model.add(Dense(units=3)) #hidden layer 1
model.add(Dense(units=1)) #output layer
model.add(Conv2D(3, (3, 3)))
model.add(MaxPooling2D(pool_size=(2, 2),strides=None,padding='valid', data_format=None))

model.compile(loss=losses.mean_squared_error, optimizer='sgd')

sgd = optimizers.SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)


test_generator = ImageDataGenerator()

validation_generator = test_generator.flow_from_directory(
    'human_faces/validation',
    target_size=(250,250),
    batch_size=3,
    class_mode=None,classes=0)


model.fit_generator(
    train_generator,
    steps_per_epoch=1,## batch_size,
    #steps_per_epoch=3,
    epochs=5,
    validation_data=validation_generator,
    #  validation_steps=61 )  # batch_size)
    validation_steps=1)

}

我的错误:

文件“C:/Users/Owner/PycharmProjects/untitled1/work.py”,第 89 行,在 validation_steps = 1)ValueError:检查目标时出错:预期max_pooling2d_1有4维,但得到的数组 形状 (61, 1)

【问题讨论】:

    标签: tensorflow keras


    【解决方案1】:

    您的网络输出的形状(即MaxPooling2D 层的输出)与您似乎期望的输出之间存在不匹配(基于您提供的所需“真实”输出示例)输入到model.fit_generator()

    要调查不匹配,您必须检查train_generator 的(未显示)代码以查看您期望的输出形状,并且可以使用model.summary() 查看MaxPooling2D 层生成的冲突输出形状。

    【讨论】:

      【解决方案2】:

      尝试将以下参数添加到 Cov2D:

      padding='SAME'

      喜欢:

      model.add(Conv2D(3, (3, 3),padding='SAME'))

      【讨论】:

        猜你喜欢
        • 2019-03-02
        • 1970-01-01
        • 2018-04-13
        • 1970-01-01
        • 2023-03-25
        • 1970-01-01
        • 2022-01-15
        • 2019-11-13
        • 2020-02-07
        相关资源
        最近更新 更多