ValueError：检查目标时出错：预期activation_5 的形状为（1，），但数组的形状为（100，）

Question

我目前正在尝试使用顺序视频数据训练 LSTM 网络。 不过，现在不断发生的问题是数据本身的 output 形状存在错误。 从视频中，我生成了 100 个时间步长（帧）的 686 个样本片段。 然后使用另一个 CNN，我创建了每个图像的形状 2048 的嵌入。 换句话说，在我的例子中，X_train 的形状是 (686,100,2048)，而 Y_train 的形状是 (686,100)。 现在，当我通过我的网络传递我的数据集时，我得到了这个形状错误。

我的 model：

from keras.layers import Activation, Input, Dense, Lambda, LSTM, Flatten
from keras.models import Model



def model_builder(input_shape):
    base_input = Input(shape = input_shape)
    x = LSTM(units=50, name='LSTM1', return_sequences=True)(base_input)
    x = Flatten()(x)
    x = Dense(units = 3)(x)
    x = Activation('softmax')(x)
    classification_model = Model(base_input, x,name='classifier')
    classification_model.compile(loss='sparse_categorical_crossentropy',optimizer='adam',metrics=['accuracy'])

    return classification_model

我像这样运行它：

batch_size = 64
epochs = 20
timesteps = 100
embedding_shape=2048

classification_model = model_builder((timesteps,embedding_shape))

try:
    Y_train=Y_train.reshape((686,timesteps))
    X_train = np.reshape(X_train,(686, timesteps,embedding_shape))

    outcome = classification_model.fit(x=X_train, y=Y_train, batch_size=batch_size, epochs=epochs, verbose=1, callbacks=None, validation_split=(6200/68600), validation_data=None, shuffle=False, class_weight=None, sample_weight=None, initial_epoch=0, steps_per_epoch=None, validation_steps=None, validation_freq=1)

except KeyboardInterrupt:
    pass

导致此错误消息：

关于我可能做错了什么的任何想法？

Model 总结：

Answer 1

如果没有深入检查您的代码，如果您有错误丢失 function，则会发生 99% 的此类错误。

请使用 loss='categorical_crossentropy' 而不是 loss='sparse_categorical_crossentropy' 修改您的 model 编译：

classification_model.compile(loss='categorical_crossentropy',........)

不同之处在于您的目标的编码。 如果您的目标是一次性编码的，请使用 categorical_crossentropy。