[英]Error in keras sparse_categorical_crossentropy loss function
[英]keras sparse_categorical_crossentropy loss function output shape didn't match
我有一個有3570個標簽的數據集。 當我使用sparse_categorical_crossentropy
作為損失函數時,輸出形狀不匹配。
model = Sequential()
model.add(Dense(1024, input_dim=79, activation='relu'))
model.add(Dense(2048, activation='relu'))
model.add(Dense(3570, activation='sigmoid'))
model.compile(loss='sparse_categorical_crossentropy',
optimizer='rmsprop',
metrics=['accuracy'])
model.fit(x_train, y_train,
epochs=10,
batch_size=1,
validation_data=(x_valid, y_valid))
輸出是ValueError: Error when checking model target: expected dense_42 to have shape (None, 1) but got array with shape (1055, 3570)
然后我np.expand_dims(y, -1)
這個問題#2444並使用np.expand_dims(y, -1)
來更改代碼。 但仍有錯誤。
model = Sequential()
model.add(Dense(1024, input_dim=79, activation='relu'))
model.add(Dense(2048, activation='relu'))
model.add(Dense(3570, activation='sigmoid'))
model.compile(loss='sparse_categorical_crossentropy',
optimizer='rmsprop',
metrics=['accuracy'])
model.fit(x_train, np.expand_dims(y_train, -1),
epochs=10,
batch_size=1,
validation_data=(x_valid, np.expand_dims(y_valid, -1)))
錯誤ValueError: Error when checking model target: expected dense_45 to have 2 dimensions, but got array with shape (1055, 3570, 1)
我該如何更改代碼?
原始y_train維度是什么?
最有可能的是你的y_train有形狀(1055,)。 您需要將One-Hot代碼y_train轉換為(1055,3570)維度。 然后原始代碼應該工作。 Keras不接受使用多個類的y列的單個列,它必須是One-Hot編碼的。
你可以找到使用以下內容:
from keras.utils.np_utils import to_categorical
y_cat = to_categorical(y, num_classes=None)
loss='sparse_categorical_crossentropy'
不適用於單熱編碼,而是適用於整數目標。 您可能需要“Dense(...”作為輸出圖層並直接使用y_train。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.