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

Question

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？

Answer 1

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。