python - keras - 使用 lambda 层时如何避免尺寸错误

Question

我在 tensorflow 上使用带有 keras 的 python 并尝试使用 lambda 层，并且一直出现相同的错误，我检查了模型的摘要，一切似乎都很好。该错误仅在训练时发生。

from keras.datasets import mnist 
from keras.layers import Dense, Input, concatenate,subtract, Lambda
from keras.losses import binary_crossentropy
from keras.optimizers import SGD

(train_x, train_y), (test_x, test_y) = mnist.load_data()
train_x = (train_x / 255.0).reshape(-1, 28*28) 
test_x = (test_x / 255.0).reshape(-1, 28*28)

inp1 = Input(shape=(28*28,))
inp2 = Input(shape=(28*28,))

l1 = Dense(100, activation="relu")
a1 = l1(inp1)
a2 = l1(inp2)
l2 = Dense(100, activation="relu")
b1 = l2(a1)
b2 = l2(a2)
output = Lambda(lambda inputs: inputs[0]-inputs[1], output_shape=(100,))([b1, b2])
model = Model([inp1, inp2], [output])
model.compile(loss=binary_crossentropy, optimizer=SGD())

y = train_y[:1]
model.fit([train_x[:1], train_x[:1]], y)

我收到这个错误

检查目标时出错：预期 lambda_13 的形状为 (100,) 但得到的数组的形状为 (1,)

在相同的数据上使用model.predict时，它预测没有任何错误。这里有什么问题？谢谢

标签： pythontensorflowmachine-learningkerasdeep-learning

Answer 1

问题是您期望模型以 (100,) 的形状进行预测，并且您正在尝试拟合具有 (1,) 形状的数据。在这里，如果您想使用当前的 y，则 output_shape=(100,) 应该为 1。

如果您想对输出形状为 的数字进行分类，还有一件事(1,)。您还需要更改model.compile(loss=binary_crossentropy, optimizer=SGD())为model.compile(loss=sparse_categorical_crossentropy, optimizer=SGD()). 有关更多信息sparse_categorical_crossentropy，您可以查看keras 文档。您可以在这里categorical_crossentropy找到和之间的区别sparse_categorical_crossentropy。