不兼容的形状 Keras NN

Question

我正在尝试将 NN 用于 28x28 灰度图像。 我的训练数据形状如下：

重塑数据

out:
x_train.shape
(24000, 28, 28, 1)
y_train.shape
(24000, 1)

定义 keras model

model = Sequential()
model.add(layers.Conv2D(28, (1, 1), activation='relu', input_shape=(28, 28, 1)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(56, (1, 1), activation='relu'))
model.add(layers.Conv2D(56, (1, 1), activation='relu'))
#model.add(layers.Flatten())
#model.add(layers.Dense(56, activation='relu'))
#model.add(layers.Dense(10))
model.summary()
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(input_x, input_y, epochs=20, batch_size=28)

_, accuracy = model.evaluate(X_validation, y_validation)
print('Accuracy: %.2f' % (accuracy*100))

Model 总结

conv2d_86 (Conv2D)           (None, 28, 28, 28)        56        
max_pooling2d_52 (MaxPooling (None, 14, 14, 28)        0         
conv2d_87 (Conv2D)           (None, 14, 14, 56)        1624      
conv2d_88 (Conv2D)           (None, 14, 14, 56)        3192      

Total params: 4,872
Trainable params: 4,872
Non-trainable params: 0

错误 InvalidArgumentError：不兼容的形状：[28,14,14] vs. [28,1] 我应用了一个简单的 NN 结构并给出了这个错误，接下来我可以使用这些来运行它，然后添加扁平和密集层那些。

Answer 1

最后一个Conv2D层output[14*14]不能和目标形状[1]比较来计算损失。 因此错误。 通常，Conv2D 层需要展平并通过 DNN（您已评论的部分）才能完成 model 架构。 最后一个 Dense 层中的单元（神经元）由您尝试解决的问题的性质决定。 在这里，您提到它为 10，但是您在这里使用了损失作为 binary_crossentropy，它通常用于二进制分类问题。 如果您正在寻找解决多 class 分类问题（您的案例中的 output 是 10 个类别之一），那么您需要将损失用作“sparse_catergorical_crossentropy”或“categorical_crossentropy”。 您还需要在最后一个密集层中使用“softmax”激活 function 进行多 class 分类，使用“sigmoid”激活 function 进行二元分类。

我建议在继续你的任务之前对 Covolutional Neural Networks 有一个基本的了解是有益的。

我可以建议我个人从中受益的一个重要来源是： http://introtodeeplearning.com/ 。 第 3 讲涉及 CNN，但最好在第 3 讲之前先看一下第 1 讲。祝一切顺利。