Question

当我使用Keras构建卷积神经网络时出现了一些错误：

检查目标时出错：期望dense_11有4个维度，但得到了阵形（48986,12）

由于我缺乏知识，我不知道该修复什么。有人可以解释原因并提出解决方案吗？

input_shape = (99, 81, 1)
nclass = 12

model = Sequential()
model.add(Dense(32, input_shape=input_shape))
model.add(Convolution2D(8,3,3,activation='relu'))
model.add(MaxPooling2D((2,2), strides=(2,2)))

model.add(Dense(128, activation='relu'))
model.add(Dense(128, activation='relu'))
model.add(Dense(nclass, activation='softmax'))

x_train, x_valid, y_train, y_valid = train_test_split(x_train, y_train, test_size=0.1, random_state=2017)
#vgg
batch_size = 128
nb_epoch = 1

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
#model.fit(x_train,y_train,nb_epoch= nb_epoch,batch_size = batch_size , validation_split=0.1)
model.fit(x_train, y_train, batch_size=16, validation_data=(x_valid, y_valid), epochs=3, shuffle=True, verbose=2)
model.save(os.path.join(model_path, 'vgg16.model'))

x_train的形状为（99,81,1），nclass输出应为12。

Answer 1

再次查看错误：
＆＃34;检查目标时出错：期望dense_11有4个维度，但是有阵列形状（48986,12）＆＃34; - target = labels / output
意思是，输出形状存在某种问题。

让我们打印模型摘要以检查预期的输出形状：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_1 (Dense)              (None, 99, 81, 32)        64        
_________________________________________________________________
conv2d_1 (Conv2D)            (None, 97, 79, 8)         2312      
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 48, 39, 8)         0         
_________________________________________________________________
dense_2 (Dense)              (None, 48, 39, 128)       1152      
_________________________________________________________________
dense_3 (Dense)              (None, 48, 39, 128)       16512     
_________________________________________________________________
dense_4 (Dense)              (None, 48, 39, 12)        1548      
=================================================================
Total params: 21,588
Trainable params: 21,588
Non-trainable params: 0
_________________________________________________________________

最后一层输出形状预测:(无，48,39,12）您可以看到这种情况正在发生，因为Dense图层的输入具有形状（无，48,39,8），并且根据Keras实现，Dense图层位于最后一个维度的顶部 - ＆gt;含义：带有128个节点的密集层，其输入形状（无，48,39,8）将输出（无，48,39， 128 ）。

解决方案取决于您想要做什么以及标签的形状（输出应该是什么）例如，如果模型的输出形状应该是（nclass，1），那么您可以在MaxPool图层之后展平数据。
如果它应该是其他改变你的标签形状的东西（无，48,39,12）。

祝你好运：）

如何修复预期的dense_11有4维度错误

1 个答案: