Question

这是我正在处理的代码：

from __future__ import print_function
from keras.models import Sequential
from keras.layers import Dense
from sklearn.cross_validation import train_test_split
import numpy
numpy.random.seed(7)

data_pixels=np.genfromtxt("pixels_dataset.csv", delimiter=',')
classes_dataset=np.genfromtxt("labels.csv",dtype=np.str , delimiter='\t')
x_train, x_test, y_train, y_test = train_test_split(data_pixels, classes_dataset, test_size=0.3

x_train的形状为(1708, 3072)

array([[ 0.,  0.,  0., ...,  0.,  0.,  0.],
       [ 0.,  0.,  0., ...,  1.,  1.,  1.],
       [ 1.,  1.,  1., ...,  1.,  1.,  1.],
       ..., 
       [ 0.,  0.,  0., ...,  1.,  1.,  1.],
       [ 1.,  1.,  1., ...,  1.,  1.,  1.],
       [ 0.,  0.,  0., ...,  1.,  1.,  1.]])

y_train的形状为(1708,)

array(['7', 'f', '3', ..., '6', 'o', 'O'], 
      dtype='|S5')

y_train的字符是

：，：; ！ èàääAa..Zz0-9

model = Sequential()
model.add(Dense(12, input_dim=3072, activation='relu'))
model.add(Dense(8, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

执行以下操作后出错：

model.fit(x_train,y_train, epochs=150, batch_size=10)

错误是

ValueError: could not convert string to float: A

我尝试了以下替代方案： 1）

x_train=n.array(x_train)
y_train=n.array(y_train)

2）

 model.fit(x_train,str(y_train), epochs=150, batch_size=10)

但是我得到了同样的错误然后我尝试了另一种选择

from sklearn.preprocessing import LabelBinarizer
encoder = LabelBinarizer()
y_train = encoder.fit_transform(y_train)

然后我得到一个新错误

ValueError: Error when checking model target: expected dense_21 to have shape (None, 1) but got array with shape (1708, 66)

Answer 1

更改以下代码行：

model.add(Dense(66, activation='softmax'))

和

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

这个问题在于你想要预测char被编码为长度为66的one-hot向量。在这种情况下 - 你将输出设置为所需长度而你正在使用categorical_crossentropy丢失和softmax激活。

Model.fit（）ValueError：检查模型目标时出错：期望dense_21有形状（None，1）但是有形状的数组（1708,66）

1 个答案: