时间戳

首页 > 解决方案 > keras，使用 RNN 模型的 MNIST 分类，关于输出形状的问题

tensorflow - keras，使用 RNN 模型的 MNIST 分类，关于输出形状的问题

问题描述

我正在尝试使用 keras 的功能 API 来构建循环神经网络，但遇到了一些关于输出形状的问题，任何帮助将不胜感激。

我的代码：

import tensorflow as tf
from tensorflow.python.keras.datasets import mnist
from tensorflow.python.keras.layers import Dense, CuDNNLSTM, Dropout
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.utils import normalize
from tensorflow.python.keras.utils import np_utils

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = normalize(x_train, axis=1), normalize(x_test, axis=1)

y_train = np_utils.to_categorical(y_train, 10)
y_test = np_utils.to_categorical(y_test, 10)

feature_input = tf.keras.layers.Input(shape=(28, 28))
x = tf.keras.layers.CuDNNLSTM(128, kernel_regularizer=tf.keras.regularizers.l2(l=0.0004), return_sequences=True)(feature_input)
y = tf.keras.layers.Dense(10, activation='softmax')(x)
model = tf.keras.Model(inputs=feature_input, outputs=y)
opt = tf.keras.optimizers.Adam(lr=1e-3, decay=1e-5)
model.compile(optimizer=opt, loss="sparse_categorical_crossentropy", metrics=['accuracy'])
model.fit(x_train, y_train, epochs=3, validation_data=(x_test, y_test))

错误：

ValueError：检查目标时出错：预期密集具有 3 个维度，但得到了形状为 (60000, 10) 的数组

标签： tensorflowkeras

解决方案

您的数据（目标）具有形状(60000, 10)。

您的模型的输出（“密集”）具有 shape (None, length, 10)。

其中None是批量大小（变量），length是中间维度，表示 LSTM 的“时间步长”，10 是Dense层的单位。

现在，您在 LSTM 中没有任何带有时间步长的序列来处理，这没有任何意义。它将“图像行”解释为连续时间步，将“图像列”解释为独立特征。（如果这不是您的意图，您只是很幸运，它没有给您尝试将图像放入 LSTM 的错误）

return_sequences=False无论如何，您可以使用（丢弃length序列）修复此错误。这并不意味着该模型最适合这种情况。

推荐阅读