Question

我正在使用keras创建LSTM模型。训练时，我遇到了这个错误。

ValueError: Error when checking target: expected dense_4 to have shape (1,) but got array with shape (34,)

这是我的模特

model = Sequential()

model.add(Embedding(max_words, embedding_dim, input_length=maxlen))    
model.add(LSTM(128, activation='relu'))
model.add(Dense(64, activation='relu'))
model.add(Dropout(0.5))

model.add(Dense(units = 34 ,activation='softmax'))

model.layers[0].set_weights([embedding_matrix])
model.layers[0].trainable = False

model.compile(optimizer='rmsprop',loss='sparse_categorical_crossentropy',metrics=['acc'])

模型摘要：

Layer (type)                 Output Shape              Param #   
=================================================================
embedding_2 (Embedding)      (None, 15, 50)            500000    
_________________________________________________________________
lstm_2 (LSTM)                (None, 128)               91648     
_________________________________________________________________
dense_3 (Dense)              (None, 64)                8256      
_________________________________________________________________
dropout_2 (Dropout)          (None, 64)                0         
_________________________________________________________________
dense_4 (Dense)              (None, 34)                2210      
=================================================================
Total params: 602,114
Trainable params: 102,114
Non-trainable params: 500,000
_________________________________________________________________

我打电话给

history = model.fit(X_train, y_train,epochs=100,batch_size=128)

y_train是形状为(299, 34)的单次热编码标签。 X_train的形状为(299, 15)。

我不确定为什么模型正在寻找shape（1，），因为我看到dense_4 (Dense)的输出形状为`（None，34）。

Answer 1

好的，我发现了问题。我将此作为答案发布，以便它可以帮助面临同样问题的其他人。

这不是层配置，而是错误的丢失功能。

我使用sparse_categorical_crossentropy作为损失，其中标签必须具有形状[batch_size]且dtype为int32或int64。我已更改为categorical_crossentropy，它期望标签为[batch_size，num_classes]。

keras抛出的错误消息具有误导性。

Keras密集层形状错误

1 个答案: