如何在检查目标时修复错误：预期 activation_5 有 2 个维度，但得到了形状为 (24943, 50, 50, 1) 的数组

Question

我正在构建一个 CNN 来从 kaggle 中预测猫和狗（文件类型：jpg）。 我在带有 Python 3.6 的 anaconda 环境中使用 tensorflow 后端。 但我收到此错误：

ValueError：检查目标时出错：预期 activation_8 有 2 个维度，但得到了形状为 (24943, 50, 50, 1) 的数组

import tensorflow as tf
from tensorflow.keras.datasets import cifar10
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Activation, Flatten
from tensorflow.keras.layers import Conv2D, MaxPooling2D
import pickle
pickle_in = open("X.pickle","rb")
X = pickle.load(pickle_in)
pickle_in = open("y.pickle","rb"`
y = pickle.load(pickle_in)
X = X/255.0
model = Sequential()
model.add(Conv2D(256, (3, 3), input_shape=X.shape[1:]))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(256, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())  # this converts our 3D feature maps to 1D feature vectors
model.add(Dense(64))
model.add(Dense(1))
model.add(Activation('sigmoid')) 
model.compile(loss='binary_crossentropy',
              optimizer='adam',
              metrics=['accuracy'])
model.fit(X, y, batch_size=32, epochs=3, validation_split=0.3)

这是 model.summary() 表

层（类型）输出形状参数#

conv2d_22 (Conv2D) (无、48、48、256) 2560

---

activation_30（激活）（无、48、48、256）0

---

max_pooling2d_22 (MaxPooling (None, 24, 24, 256) 0

---

conv2d_23 (Conv2D)（无、22、22、256）590080

---

activation_31（激活）（无、22、22、256）0

---

max_pooling2d_23 (MaxPooling (None, 11, 11, 256) 0

---

flatten_11（扁平化）（无，30976）0

---

密集_19（密集）（无，64）1982528

---

密集_20（密集）（无，1）65

---

activation_32（激活）（无，1）0

总参数：2,575,233 可训练参数：2,575,233 不可训练参数：0

---

Answer 1

你的代码看起来很奇怪。

尝试 model.summary() 并检查尺寸。

Answer 2

如果你想在两件事之间进行分类，你需要最后一个 Dense 层有 2 个神经元。

也许您还忘记对目标向量 ( y ) 进行单热编码。 您可以通过以下方式执行此操作：

y = to_categorical(y)

希望能帮助到你！