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?
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。
我来说两句