python - 为什么我的准确性和损失，0.000 和 nan，在 keras 中？

Question

我的理解是“sparse_categorical_crossentropy”适合我的多分类，没有单热编码的情况。我还放慢了亚当学习率，以防它超出预测。

我不确定我不明白我做错了什么。

我的输入数据与此类似：

我的输出预测结果是标签：[1 2 3 4 5 6 7 8 9 10]（不是单热编码）。每个数字代表我希望网络最终选择。

print(x_train.shape)
print(x_test.shape)
x_train = x_train.reshape(x_train.shape[0], round(x_train.shape[1]/5), 5)
x_test = x_test.reshape(x_test.shape[0], round(x_test.shape[1]/5), 5)
print(x_train.shape)
print(np.unique(y_train))
print(len(np.unique(y_train)))

input_shape = (x_train.shape[1], 5)

adam = keras.optimizers.Adam(learning_rate=0.0001)

model = Sequential()
model.add(Conv1D(512, 5, activation='relu', input_shape=input_shape))
model.add(Conv1D(512, 5, activation='relu'))
model.add(MaxPooling1D(3))
model.add(Conv1D(512, 5, activation='relu'))
model.add(Conv1D(512, 5, activation='relu'))
model.add(GlobalAveragePooling1D())
model.add(Dropout(0.5))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='sparse_categorical_crossentropy', optimizer=adam, metrics=['accuracy'])
    
model.fit(x_train, y_train, batch_size=32, epochs=25, validation_data=(x_test, y_test))
print(model.summary())

以下是错误结果：

模型层（如果有帮助）：

标签： pythontensorflowmachine-learningkerasconv-neural-network

Answer 1

我在您的方法中发现了两个主要问题

您的标签是从 1 到 10...它们必须从 0 开始才能使它们在 0-9 范围内。这可以简单地实现y_train-1并且y_test-1（如果 y_test 和 y_train 是 numpy 数组）

网络的最后一层必须是Dense(10, activation='softmax')10 是要预测的类数，softmax 用于在多类问题中生成概率

使用sparse_categorical_crossentropy没问题，因为你有整数编码的目标