python - Keras Conv2D CNN - 检查目标时出错 - 预期输出较小
问题描述
我正在堆叠 6 层 2D 卫星图像(x 数据)并尝试在它们上运行 CNN 以对土地覆盖物进行分类(使用从重新格式化的 USDA 作物数据层 - y 数据中提取的 8 个土地覆盖物类别)。
x 数据的形状为 (2004, 2753, 6),y 的形状最初为 (2004, 2753, 8),我使用 data_x.reshape(-1,2004,2752,6) (y 相同)添加一个作为模型的额外维度。
y 数据集中的 8 个类别以 8 个波段的数字格式表示 8 个可能的土地覆盖类别(即第一个波段是玉米,用 1 表示正数,0 表示非玉米)。
但是,当我尝试运行模型时,预期的形状与传递给它的形状不匹配。我不确定我是否使用了正确的模型结构或数据结构 - 一种想法是采用 y 数据集的 8 个波段
基于一些严肃的谷歌搜索,我一直在学习如何将数据转换为具有正确数量的维度等的正确格式,但我觉得我在维度方面遇到了最后一个障碍(并且很可能是正确准备 x 和 y 数据套)。
下面是CNN模型
input_shape=([2004, 2753, 6])
model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),strides=(1, 1),activation='relu',input_shape=input_shape))
model.add(MaxPooling2D(pool_size=(2,2), strides=(2, 2), padding="same"))
model.add(Conv2D(32, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2), padding="same"))
model.add(Dropout(0.25))
#model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(8, activation='softmax'))
#model.add(Flatten())
model.summary()
模型摘要 - 预计最后有 500、687、8
Layer (type) Output Shape Param #
=================================================================
conv2d_54 (Conv2D) (None, 2002, 2751, 32) 1760
_________________________________________________________________
max_pooling2d_52 (MaxPooling (None, 1001, 1376, 32) 0
_________________________________________________________________
conv2d_55 (Conv2D) (None, 999, 1374, 32) 9248
_________________________________________________________________
max_pooling2d_53 (MaxPooling (None, 500, 687, 32) 0
_________________________________________________________________
dropout_57 (Dropout) (None, 500, 687, 32) 0
_________________________________________________________________
dense_59 (Dense) (None, 500, 687, 128) 4224
_________________________________________________________________
dropout_58 (Dropout) (None, 500, 687, 128) 0
_________________________________________________________________
dense_60 (Dense) (None, 500, 687, 8) 1032
=================================================================
Total params: 16,264
Trainable params: 16,264
Non-trainable params: 0
_________________________________________________________________
编译
sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='categorical_crossentropy',
optimizer='sgd',
metrics=['accuracy'])
适合 - 我在哪里收到错误消息
history = model.fit(x_train3d, y_train3d,
batch_size=batch_size,
epochs=epochs,
verbose=1,
validation_split=0.2, validation_data=None)
x_train3D 的形状 = (1, 2004, 2753, 6) y_train3D 的形状 = (1, 2004, 2753, 8)
错误信息
ValueError: Error when checking target: expected dense_58 to have shape (500, 687, 8) but got array with shape (2004, 2753, 8)
同样,我怀疑这归结为需要为输入和输出获取正确格式的数据,但也可能在模型规范中出现问题。由于我是 Keras 的新手,因此希望得到一些指导。
解决方案
您能否解释一下您要分类什么以及您期望的 y_train3D 是什么(它是图像还是分类值,例如 1/2/3.. 或 x/y/z..等)
推荐阅读
- jsp - 如何根据用户选择过滤jsp页面中的表格元素
- sql-server - 在具有来自另一个表的条件的列中插入值的函数
- python - 通过 Nodejs 构建 Android 应用程序
- react-native - React Native Calendars:如何更改议程中仅一项的背景?
- model-view-controller - 未定义变量:用户(查看:C:\xampp\mysql\CRUD\resources\views\Admin\Form User\index.blade.php)
- python - 数据框python上的外部连接
- c++ - “C++ 98 模式下不允许基于范围的循环”Visual Studio 代码中的错误
- selenium - 本地化 selenium 框架
- react-native - 使用 RN cli 进行 iOS 构建时不会自动启动打包程序
- python - 在 Django 中从 DateField 迁移到 DateTimeField