时间戳

首页 > 解决方案 > TensorFlow/Keras：输出层的形状错误

python - TensorFlow/Keras：输出层的形状错误

问题描述

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

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在 TensorFlow 网站上运行其中一个示例，我选择了位于此处的 MNIST 时尚示例。

这运行没有错误，并且训练良好，所以我认为这不是我的 TensorFlow 或 Python 下载中的错误。

然后我尝试复制 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以及它们的输入和输出形状：

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错。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,)最后一层的单元数相等至 60）。有谁知道为什么会发生这种情况？

标签： pythontensorflowmachine-learningkerasneural-network

解决方案

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). 这意味着它会期望标签的形状(300,)（即每个标签的形状）。但是，您在调用时提供给模型的标签数组fit，即trainlabels的形状似乎是(num_samples, 60)。然而，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。

推荐阅读