时间戳

首页 > 解决方案 > Python的Keras：尽管我的检查显示不匹配，但仍声称形状不匹配

python - Python的Keras：尽管我的检查显示不匹配，但仍声称形状不匹配

问题描述

当我逐行检查我的代码时，我表明我的形状符合要求：

num_samples=100;
input_shape = (num_samples,26,76,1);
x = tf.random.normal(input_shape); y=[];
for i in range(num_samples):
    temp=[0,0,0]; proc = random.randint(0,len(alldata)-1);
    temp[proc]=1; y.append(np.array(temp));
y=tf.convert_to_tensor(y);

model_conv = Sequential()
x2 = Conv2D(1, (3,3), activation='relu', input_shape=input_shape[1:])(x)
x3 = Conv2D(1, (5,5), activation='relu', input_shape=(20,70,1))(x2)
x4 = Conv2D(1, (5,21), activation='relu', input_shape=(16,50,1))(x3)
x5 = Conv2D(1, (1,50), activation='relu', input_shape=(16,1,1))(x4)
x6 = Flatten()(x5)
x7 = Dense(16, activation='relu')(x6)
x8 = Dense(3, activation='softmax')(x7)
print(np.shape(x8)); print(type(x8));
print(np.shape(y)); print(type(y))

...返回 x8 和 y 都是形状(100,3) 的 EagerTensor - 相同的形状。这是 y 的标签形状应该匹配的点，对吗？然而，当我构建此模型进行编译和拟合时，以下代码声称“ValueError：形状不匹配：标签的形状（收到 (30,)）应该等于 logits 的形状，除了最后一个维度（收到 (10, 3) )。” 它认为这个 (30,) 和 (10,3) 来自哪里？为什么它的输出与我上面的输出有什么不同？我错过了什么？

model_conv = Sequential()
model_conv.add(Conv2D(1, (3,3), activation='relu', input_shape=input_shape[1:])); #--> (24,74)
model_conv.add(Conv2D(1, (5,5), activation='relu', input_shape=(20,70,1))); #--> (20,70)
model_conv.add(Conv2D(1, (5,21), activation='relu', input_shape=(16,50,1))); #--> (16,50)
model_conv.add(Conv2D(1, (1,50), activation='relu', input_shape=(16,1,1))); #--> (16,1)
model_conv.add(Flatten());
model_conv.add(Dense(16, activation='relu'));
model_conv.add(Dense(3, activation='softmax'));  
model_conv.compile(loss='sparse_categorical_crossentropy', optimizer=Adam(learning_rate=0.001,beta_1=0.8), metrics=['accuracy']);
    #sparse_categorical since the labels are not one-hot encoded

model_conv.summary();  #tf.random.set_seed(47);
model_conv.fit(x,y, epochs=50, batch_size=10, verbose=0);

这些是我认为最不麻烦的事情，然后最终花时间尝试解决。请协助。谢谢

标签： pythonpython-3.xconv-neural-networkjupytertf.keras

解决方案

推荐阅读