[英]Getting a ValueError in tensorflow saying that my shapes are incompatible
错误:
return K.categorical_crossentropy(y_true, y_pred, from_logits=from_logits)
C:\Users\selvaa\miniconda3\envs\tensorflow\lib\site-packages\tensorflow\python\keras\backend.py:4619 categorical_crossentropy
target.shape.assert_is_compatible_with(output.shape)
C:\Users\selvaa\miniconda3\envs\tensorflow\lib\site-packages\tensorflow\python\framework\tensor_shape.py:1128 assert_is_compatible_with
raise ValueError("Shapes %s and %s are incompatible" % (self, other))
ValueError: Shapes (None, 1) and (None, 151) are incompatible
我的 model:
x = np.array(x)
y = np.array(y)
x = x/255.0
model = Sequential()
model.add(Conv2D(3, (3,3), input_shape=(128,128,3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flatten())
model.add(Dense(302, activation='relu'))
model.add(Dense(151, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x, y, batch_size=32, epochs=5, verbose=1, validation_split=0.1)
我正在尝试训练 model 来识别不同的口袋妖怪,我的数据集有两张每个 151 个口袋妖怪的图片(正确标记和全部)。 不知道我做错了什么。
这是我打印 x.shape 和 y.shape 时发生的情况:
(301, 128, 128, 3) (301,)
使用损失tf.keras.losses.SparseCategoricalCrossEntropy
,如下面的代码示例所示。
损失 function tf.keras.losses.SparseCategoricalCrossEntropy
接受形状(n_samples,)
中的参考标签和形状(n_samples, n_classes)
中的预测标签,这将适用于您的数据。 您不能使用categorical_crossentropy
,因为它希望您的标签是一次性编码的(请参阅答案底部)。
x = np.array(x)
y = np.array(y)
x = x / 255.0
model = Sequential()
model.add(Conv2D(3, (3,3), input_shape=(128,128,3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flatten())
model.add(Dense(302, activation='relu'))
model.add(Dense(151, activation='softmax'))
model.compile(
loss=tf.keras.losses.SparseCategoricalCrossentropy(),
optimizer='adam',
metrics=['accuracy'])
model.fit(x, y, batch_size=32, epochs=5, verbose=1, validation_split=0.1)
另一种解决方案是在训练之前对标签进行一次热编码,例如使用 function tf.one_hot
。 如果您使用这种方法,那么您可以使用categorical_crossentropy
。
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.