Question

尝试使用A a = new A();//creating object inside method public class A { private static final C c= BeanUtil.getBean(C.class);// giving exception at this line } @Service public class C{ }进行单标签分类

这是我简化的Keras模型：

num_classes = 73

这是我的num_classes = 73 batch_size = 4 train_data_list = [training_file_names list here..] validation_data_list = [ validation_file_names list here..] training_generator = DataGenerator(train_data_list, batch_size, num_classes) validation_generator = DataGenerator(validation_data_list, batch_size, num_classes) model = Sequential() model.add(Conv1D(32, 3, strides=1, input_shape=(15,120), activation="relu")) model.add(Conv1D(16, 3, strides=1, activation="relu")) model.add(Flatten()) model.add(Dense(n_classes, activation='softmax')) sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True) model.compile(loss="categorical_crossentropy",optimizer=sgd,metrics=['accuracy']) model.fit_generator(generator=training_generator, epochs=100, validation_data=validation_generator)的{{1}}方法：

DataGenerator

由于我的__get_item__值正确返回了维度def __get_item__(self): X = np.zeros((self.batch_size,15,120)) y = np.zeros((self.batch_size, 1 ,self.n_classes)) for i in range(self.batch_size): X_row = some_method_that_gives_X_of_15x20_dim() target = some_method_that_gives_target() one_hot = keras.utils.to_categorical(target, num_classes=self.n_classes) X[i] = X_row y[i] = one_hot return X, y，因此此处未显示。我的问题是返回的y值。

从此生成器方法返回的

X具有(batch_size, 15, 120)的形状，作为73个类的一个热编码标签，我认为这是返回的正确形状。

但是Keras对于最后一层给出了以下错误：

ValueError：检查目标时出错：预期density_1具有2 尺寸，但数组的形状为（4，1，73）

由于批次大小为4，我认为目标批次也应为3维（4,1,73）。为什么Keras期望最后一层是2维？

Answer 1

您模型的摘要显示，在输出层中应该只有2个维度，（无，73）

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv1d_7 (Conv1D)            (None, 13, 32)            11552     
_________________________________________________________________
conv1d_8 (Conv1D)            (None, 11, 16)            1552      
_________________________________________________________________
flatten_5 (Flatten)          (None, 176)               0         
_________________________________________________________________
dense_4 (Dense)              (None, 73)                12921     
=================================================================
Total params: 26,025
Trainable params: 26,025
Non-trainable params: 0
_________________________________________________________________

由于目标的尺寸为（batch_size，1，73），因此只需更改为（batch_size，73），即可运行模型

Keras目标尺寸不匹配

1 个答案: