TensorFlow/Keras:输出层的形状错误

迪伦·默里

我已经在互联网上搜索了几天,试图找到解决此错误的方法,但我找不到任何特别适用的内容:

ValueError: Error when checking target: expected dense_2 to have shape (300,) but got array with shape (60,)

这是生成错误的代码(数据预处理除外):

model = keras.Sequential([
keras.layers.Conv1D(5,input_shape=(1,60), kernel_size=12, padding='same'), 
keras.layers.Conv1D(10, padding='same',activation=tf.nn.relu, kernel_size=10),
keras.layers.Conv1D(20, padding='same',activation=tf.nn.relu, kernel_size=6),
keras.layers.Conv1D(30, padding='same',activation=tf.nn.relu, kernel_size=5),
keras.layers.Flatten(),
keras.layers.Dense(70, activation="relu"),
keras.layers.Dense(300,activation="tanh")
])
model.compile(optimizer=tf.train.AdamOptimizer(0.001),
loss='mse',
metrics=['mae'])
model.fit(traindata,trainlabels, epochs=10, batch_size=int(len(traindata)/60))

我不确定是什么导致了这个错误,但我做了一些故障排除来尝试缩小可能性。

我尝试的第一件事是尝试运行 TensorFlow 网站上的一个示例,我选择了位于此处的 MNIST 时尚示例

这运行没有错误,并且训练得很好,所以我不认为这是我的 TensorFlow 或 Python 下载中的错误。

然后我尝试复制在 MNIST 时尚示例中使用的模型来测试它是否是我的模型中的错误。这是代码:

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(60,)),
    keras.layers.Dense(128, activation=tf.nn.relu),
    keras.layers.Dense(10, activation=tf.nn.softmax)
])
model.compile(optimizer=tf.train.AdamOptimizer(),
loss = 'sparse_categorical_cross_entropy',
metrics = ['accuracy']
)

我对模型所做的唯一更改是第一层的输入形状,以便它能够接收我的数据。但是错误仍然存​​在:

ValueError: Error when checking target: expected dense_1 to have shape (10,) but got array with shape (60,)

我尝试的最后一件事是制作我自己的密集模型,该模型将接收通过np.random.random.

这是整个文件:

import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt

data = np.random.random((50,60))
datalabels = np.random.random((50,60))
model = keras.Sequential([
keras.layers.Dense(128,input_shape=(60,), activation="relu"),
keras.layers.Dense(50, activation="relu"),
keras.layers.Dense(10, activation="tanh")

])
model.compile(optimizer=tf.train.AdamOptimizer(),
loss="mae",
metrics=['mse'])

model.fit(data, datalabels, epochs=5, batch_size=10)

这也收到了错误,我很困惑为什么,但我认为这可能与我的虚拟数据的生成有关

ValueError: Error when checking target: expected dense_2 to have shape (10,) but got array with shape (60,)

如果有帮助,我打印了最后一个模型的所有层及其输入和输出形状:

Layer: dense
    input_shape: (None, 60)
    output_shape: (None, 128)
Layer: dense_1
    input_shape: (None, 128)
    output_shape: (None, 50)
Layer: dense_2
    input_shape: (None, 50)
    output_shape: (None, 10)

这个错误最让我困惑的是它只在输出层出现错误。如果我在模型的末尾添加另一层,该层将出错,除非输出层中的单元数等于模型输入的形状(例如:input_shape=(60,)最后一层单元数等于到 60)。有谁知道为什么会发生这种情况?

今天

使用model.summary(),你会看到每一层的输出形状。在您提供的第一个示例中,最后一层的输出形状(也是模型的输出形状)是(None, 300). 这意味着它需要形状标签(300,)(即每个标签的形状)。然而,似乎标签数组在调用时提供的模型fit,即trainlabels,有一个形状(num_samples, 60)而它必须与模型的输出形状一致,因此形状为(num_samples, 300)同样的事情适用于你提到的所有其他失败的例子。

本文收集自互联网,转载请注明来源。

如有侵权,请联系[email protected] 删除。

编辑于
0

我来说两句

0条评论
登录后参与评论

相关文章

来自分类Dev

输出层的形状总是 (1,)

来自分类Dev

Keras输入层形状在输入层错误

来自分类Dev

从 TF 1.12 移动到 1.10 后的密集层输出形状错误

来自分类Dev

连接不同形状的keras层输出

来自分类Dev

keras lstm的输出形状错误

来自分类Dev

Keras中Vanilla RNN的致密层的形状错误?

来自分类Dev

Tensorflow分类模型返回错误的输出形状

来自分类Dev

形状层的动画路径

来自分类Dev

了解Keras层的形状

来自分类Dev

层输出提取的keras K.function错误

来自分类Dev

Keras Lambda层执行最大值并以(?,1)形状输出

来自分类Dev

如何在Keras中实现具有动态形状的自定义输出层?

来自分类Dev

Lambda层的输出形状在神经网络中不正确。怎么改变呢?

来自分类Dev

在 Keras 自定义层中连接多个形状为 (None, m) 的 LSTM 输出

来自分类Dev

值错误:没有这样的层 - 提取 tensorflow keras 层的输出

来自分类Dev

有什么方法可以改变卷积神经网络中完全连接层的默认输出形状吗?

来自分类Dev

获取隐藏层输出

来自分类Dev

提取嵌入层的输出

来自分类Dev

重塑层的输出维度

来自分类Dev

密集层中的 Keras 错误,预期 4 维得到具有形状的数组 (1024,2)

来自分类Dev

lstm模型的输出形状

来自分类Dev

无法将形状层添加到视图的层中

来自分类Dev

keras ReLU层的意外输出

来自分类Dev

Keras层的输出与标量相乘

来自分类Dev

获取Keras模型/层的输出

来自分类常见问题

让形状在同一层上

来自分类Dev

在drawRect形状层图形中清除图形

来自分类Dev

小型MLP的Keras层形状不兼容

来自分类Dev

让形状在同一层上