编辑

Question

问题：

因此，当我尝试训练cnn时，会发生此错误。

ValueError: Error when checking target: expected dense_4 to have shape (32,) but got array with shape (1,)

我不知道这意味着什么。这个代码不是100％我的，我只是拿了一个CNN代码并对其进行了修改以使其适用于我的需求。尽管我对CNN编码的知识非常有限，而且我也没有对Python编程的适当培训。

有人可以向我解释该错误是怎么回事，而我想知道是什么原因引起的。你们能告诉我到目前为止我对代码所做的是否正确吗？

我计划创建一个CNN，它将能够对图像进行分类，以包含性，暴力，恐怖和毒品内容。因此，这是具有图像输入的多类CNN，输出将对图像所属的类别进行分类。

以下是CNN代码的其余部分：

from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D
from keras.layers import Dense, Dropout, Flatten
from keras.callbacks import ModelCheckpoint

IMAGE_LENGHT = 300
EPOCH_COUNT = 10
MODEL_PATH = 'model.hdf5'
WEIGHTS_PATH = 'weights.hdf5'

model = Sequential()

model.add(Conv2D(32, (9, 9),  input_shape = (IMAGE_LENGHT,IMAGE_LENGHT, 3), activation = 'relu'))
model.add(MaxPooling2D(pool_size = (2, 2)))

model.add(Conv2D(32, (9, 9), activation = 'relu'))
model.add(MaxPooling2D(pool_size = (2, 2)))

model.add(Conv2D(64, (9, 9), activation = 'relu'))
model.add(MaxPooling2D(pool_size = (2, 2)))

model.add(Flatten())

model.add(Dense(64, activation = 'relu'))
model.add(Dropout(rate = 0.5))
model.add(Dense(32, activation = 'softmax'))

model.compile(optimizer = 'adam', loss = 'categorical_crossentropy', metrics = ['binary_accuracy'])

from keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator()

test_datagen = ImageDataGenerator()

training_set = train_datagen.flow_from_directory(
        'TRAIN_SET',
        target_size = (IMAGE_LENGHT,IMAGE_LENGHT),
        batch_size = 100,
        class_mode = 'binary')

test_set = test_datagen.flow_from_directory(
        'TEST_SET',
        target_size = (IMAGE_LENGHT,IMAGE_LENGHT),
        batch_size = 100,
        class_mode = 'binary')

checkpoint = ModelCheckpoint(WEIGHTS_PATH, monitor='val_acc', verbose=1, save_best_only=True, mode='max')
model.fit_generator(
        training_set,
        steps_per_epoch=60,
        epochs = EPOCH_COUNT,
        validation_data = test_set,
        validation_steps =20,
        callbacks = [checkpoint])
model.save(MODEL_PATH, True, True)

任何帮助将不胜感激！谢谢！

Answer 1

原因在这里

model.add(Dense(32, activation = 'softmax'))

在这里

class_mode = 'binary'

导致错误的原因是您的模型需要将输出形状设为(batch_size, 32)，但是到class_mode = 'binary'时，您只能得到(batch_size, 1)。

首先，您需要知道图像是多少类，在这种情况下，TRAIN_SET中有多少个文件夹，然后将其放入Dense()中。就像您有7个班级一样

model.add(Dense(7, activation = 'softmax'))

，然后将class_mode = 'binary'更改为class_mode = 'categorical'。对于多类分类，您不能像0是狗1是猫2是鸭子而3是马一样标记，不能将鸭子切成两半得到一只猫或减去一匹马到一只狗。您需要使用one-hot编码。

第二，关于binary类，如果您的数据仅是2类，例如猫和狗，那么您可以让模型答案像“这张图片是狗吗”，那么如果是，那是狗还是是错的，是猫。

在这种情况下，您可以使用

model.add(Dense(1, activation = 'sigmoid'))  # beware, it's 'sigmoid' here, not 'softmax'
model.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])  # binary_crossentropy here, not categorical

和

class_mode = 'binary'

编辑

One hot就像，让我们定义毒品= 0，恐怖= 1，暴力= 2和性行为= 3，如果答案为violence，则目标数据将为[0, 0, 1, 0] 。该模型将像[0.1, 0.05, 0.8, 0.05]那样预测每个类别的概率，而不是实际的数字2。就像我说的那样，您不能将horror与violence相加并得到sexual作为结果您需要分别定义它们，让模型预测这里最可能的类。

编辑2

当您的每个图像都可以超过1个等级时，将使用二进制精度，例如Emma Watson既可以是女演员，也可以是男人或女人，而这两个等级都不对。输出可能像[1, 0, 1, 1, 0]，总和不需要为1。但是在您的情况下，它是categorical classification，而不是binary，每个图像都是从flow_from_directory生成的如果您希望它是多类的，则将其标记为categorical，您仍然可以使用binary_accuracy并获得相同的结果，但并非出于此目的，以后有人在阅读代码时可能会might头所以我认为在这里使用accuracy是一个更好的主意。

Answer 2

您的最后一层有32个单位，您正在使用softmax。因此，您应该拥有超过2个班级。神经网络期望目标为32维，因此您必须通过以下操作对目标形状（1，）进行一次热编码：

import pandas as pd
y_train=pd.get_dummies(target)

然后，通过运行以下命令检查数据维（类数）：

y_train.shape[1]

此输出维是目标变量中具有的类数。这样您将拥有：

model.add(Dense(y_train.shape[1], activation = 'softmax'))

我也会更改：

metrics = ['accuracy']

如果您确实有二进制目标，则最后一层应该是：

model.add(Dense(2, activation = 'sigmoid'))

在这种情况下，您还应该将目标变量热编码为(batch_size,number_classes)。

如何解决有关CNN培训的价值错误

2 个答案:

编辑

编辑2