ValueError：檢查目標時出錯：預期density_2具有4維，但數組的形狀為（64，50）（Keras）

Question

使用Keras以這種方式訓練預訓練模型時：

baseModel = keras.applications.resnet50.ResNet50(include_top=False, weights='imagenet')
t = baseModel.output
t = MaxPooling2D()(t)
t = Dense(1000, activation='relu', kernel_regularizer=regularizers.l2(0.01))(t)
predictions = Dense(NUMCLASSES, activation='softmax')(t)
model = Model(inputs=baseModel.input, outputs=predictions)

for layer in baseModel.layers:
    layer.trainable = False

model.compile(loss=losses.categorical_crossentropy, optimizer=keras.optimizers.Adam())

# loading the data
files = np.array(list(train_gt.keys()))
np.random.shuffle(files)
pics = [resize(io.imread(join(trainImgDir, f)), INPUTSHAPE, mode='reflect') for f in files]
pics = np.array(pics)
classes = np.array([train_gt[f] for f in files])
classes = to_categorical(classes, NUMCLASSES)

train = pics[: int(pics.shape[0] * ((SPLITDATA - 1) / SPLITDATA))]
classesTr = classes[: int(classes.shape[0] * ((SPLITDATA - 1) / SPLITDATA))]

# training
fIn = open("Error", 'w')

batchSize = 64
for ep in range(1000):
    # train data
    trLosses = np.array([], dtype='Float64')
    for s in range(train.shape[0] // batchSize + (train.shape[0] % batchSize != 0)):
        batch = train[s * batchSize : (s + 1) * batchSize]
        batchClasses = classesTr[s * batchSize : (s + 1) * batchSize]
        trLosses = np.append(trLosses, model.train_on_batch(batch, batchClasses))

我有一個錯誤：

  File "/home/mark/miniconda3/lib/python3.6/site-packages/keras/engine/training.py", line 1636, in train_on_batch
check_batch_axis=True)
File "/home/mark/miniconda3/lib/python3.6/site-packages/keras/engine/training.py", line 1315, in _standardize_user_data
    exception_prefix='target')
  File "/home/mark/miniconda3/lib/python3.6/site-packages/keras/engine/training.py", line 127, in _standardize_input_data
    str(array.shape))
ValueError: Error when checking target: expected dense_2 to have 4 dimensions, but got array with shape (64, 50)

我嘗試了其他損失，但這沒有幫助。 batchClasses具有形狀（batchSize，NUMCLASSES）=（64，50），我希望在Dense的輸出中出現這種形狀。

Answer 1

MaxPooling2D()不會刪除寬度和高度尺寸，因此t = MaxPooling2D()(t)的輸出將是形狀的張量(batch_size, w, h, 2048) 。 這就是為什么下面的“ Dense層為您提供4D張量的原因。

另外，由於沒有為MaxPooling2D()提供任何參數，默認參數pool_size=(2, 2) ，因此w和h都可能大於1。

因此，您基本上有兩種選擇，取決於您認為更適合自己的問題的方式：

1. 在MaxPooling2D() Flatten()之后添加Flatten() ：我不確定這是否是您想要的，因為如果w和h較大，則將其展平將導致相當大的向量。

2. 刪除t = MaxPooling2D()(t)並使用以下任一方法：

   1. ResNet50(..., pooling='max') （推薦），或
   2. t = GlobalMaxPooling2D()(t)