![](/img/trans.png)
[英]ValueError: Error when checking target: expected dense_2 to have 3 dimensions, but got array with shape (10000, 1)
[英]ValueError: Error when checking target: expected dense_2 to have 4 dimensions, but got array with shape (7942, 1)
我一直在使用以下功能 API 进行使用 CNN 的图像分类任务:
def create_model(X_train, X_test):
visible = Input(shape=(X_train.shape[0], X_train.shape[1], 1))
conv1 = Conv2D(32, kernel_size=4, activation='relu')(visible)
hidden1 = Dense(10, activation='relu')(pool2)
output = Dense(1, activation='sigmoid')(hidden1)
model = Model(inputs = visible, outputs = output)
model.compile(loss='binary_crossentropy',
optimizer='rmsprop',
metrics=['accuracy'])
return model
X_tr = np.reshape(X_train, (1,X_train.shape[0], X_train.shape[1], 1))
X_te = np.reshape(X_test, (1,X_test.shape[0], X_test.shape[1], 1))
model = create_model(X_train, X_test)
model.fit(X_tr, y_train, validation_split = 0.1, batch_size=10, epochs=10, verbose = 1, callbacks=[EarlyStopping(patience=5,verbose=1)])
其中, X_train
是一个 7942*6400 维的列表, y_train
是一个具有相应 7942 个标签的一维列表。
错误:
ValueError:检查目标时出错:预期dense_2有4个维度,但得到了形状为(7942, 1)的数组
由于我是函数式 API 的新手,这里可能出了什么问题?
该消息表示y_train
与模型的输出不兼容。
您的模型正在输出(None, width, height, 1)
。 您应该在卷积之后添加一个Flatten()
层,以使数据从这一点开始只有 2 个维度。
补充评论:
输入数据必须具有与模型兼容的形状。
X_train
的形状必须是(7942,80,80,1)
模型的input_shape
必须是(80,80,1)
如果您使用(1,6400, 1)
形状,则您的Conv2D
图层将毫无用处,因为它无法将数据解释为 2D 图像。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.