ValueError：形状 (None, 1) 和 (None, 3) 不兼容

Question

我有一个音频文件的 3 维数据集，其中X.shape是(329,20,85) 。 我想要一个简单的准系统 model 运行，所以请不要挑剔并只解决手头的问题。 这是代码：

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.LSTM(32, return_sequences=True, stateful=False, input_shape = (20,85,1)))
model.add(tf.keras.layers.LSTM(20))
model.add(tf.keras.layers.Dense(nb_classes, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=["accuracy"])
model.summary()
print("Train...")
model.fit(X_train, y_train, batch_size=batch_size, nb_epoch=50, validation_data=(X_test, y_test))

但后来我遇到了标题中提到的错误： ValueError: Shapes (None, 1) and (None, 3) are incompatible

这是model.summary()

Model: "sequential_13"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
lstm_21 (LSTM)               (None, 20, 32)            15104     
_________________________________________________________________
lstm_22 (LSTM)               (None, 20)                4240      
_________________________________________________________________
dense_8 (Dense)              (None, 3)                 63        
=================================================================
Total params: 19,407
Trainable params: 19,407
Non-trainable params: 0
_________________________________________________________________
Train...

为此，我关注了这篇文章并将 Tensorflow 更新到最新版本，但问题仍然存在。 这篇文章完全不相关，而且非常不可靠。 这篇文章虽然有点相关，但现在暂时没有答案。

更新 1.0：

我强烈认为这个问题与我将 nb_classes 传递为 3 的最终Dense层有关，因为我在y中对 3 个类别进行分类。

所以我将Dense层的nb_classes为 1，它运行 model 并给了我这个 output，我肯定这是错误的。

Train...
9/9 [==============================] - 2s 177ms/step - loss: 0.0000e+00 - accuracy: 0.1520 - val_loss: 0.0000e+00 - val_accuracy: 0.3418

<tensorflow.python.keras.callbacks.History at 0x7f50f1dcebe0>

更新 2.0：

我对y进行了热编码并解决了形状问题。 但是现在上面的 output 和<tensorflow.python.keras.callbacks.History at 0x7f50f1dcebe0>仍然存在。 有什么帮助吗？ 或者我应该为此发布一个新问题？ 感谢所有的帮助。

我应该如何进行，或者我应该改变什么？

Answer 1

第一个问题是 LSTM input_shape。 input_shape = (20,85,1) 。

来自文档： https://keras.io/layers/recurrent/

LSTM 层需要3D 具有形状（batch_size、timesteps、input_dim）的张量。

model.add(tf.keras.layers.Dense(nb_classes, activation='softmax')) - 这表明您正在进行多类分类。

所以，你需要你的y_train和y_test必须是单热编码的。 这意味着它们必须具有维度(number_of_samples, 3) ，其中3表示类数。

您需要将tensorflow.keras.utils.to_categorical应用于它们。

y_train = to_categorical(y_train, 3)
y_test = to_categorical(y_test, 3)

参考： https://www.tensorflow.org/api_docs/python/tf/keras/utils/to_categorical

tf.keras.callbacks.History() - 此回调自动应用于每个 Keras model。 历史 object 由模型的 fit 方法返回。

参考： https://www.tensorflow.org/api_docs/python/tf/keras/callbacks/History

Answer 2

检查最后一个密集层（输出）的类数是否与训练数据集中的目标类数相同。 我在训练数据集并纠正它时犯了类似的错误，这对我有帮助。

Answer 3

要检查的另一件事是，您的标签是单热编码还是仅整数。 看到这个帖子： https://www.kaggle.com/general/197993

出现错误是因为“categorical_crossentropy”适用于单热编码目标，而“sparse_categorical_crossentropy”适用于 integer 目标。