Question

我在调整以下型号时遇到一些麻烦。我正在尝试使用keras和tensorflow训练模型以对雷达发射器的时间序列进行分类。它给出的错误是：

ValueError：检查目标时出错：预期concatenate_1具有形状（2，）但具有形状（1，）的数组

似乎我无法调整标签的正确尺寸（我尝试过使用分类标签（我必须分类，但输出为3，为什么？），并在fit调用中使用[y_train，y_train] ，但完全没有运气。也许错误来自不同的部分，我看不到它。

def get_model_lstm_fcn(shape):
    main_input = Input(shape=shape, dtype='float32', name='main_input')
    lstm_out = LSTM(256, dtype=float)(main_input)
    # lstm_out = (LSTM(128, dtype=float))(lstm_out)
    lstm_out = (Dropout(0.25))(lstm_out)
    auxiliary_output = Dense(1, activation='sigmoid', name='aux_output')(lstm_out)

    auxiliary_input = Input(shape=shape, name='aux_input')
    conv = Convolution1D(128, 10, input_shape=shape, activation='relu')(auxiliary_input)
    conv = (Convolution1D(256, 10, activation='relu'))(conv)
    conv = (Convolution1D(128, 10, activation='relu'))(conv)
    conv = (GlobalAveragePooling1D())(conv)
    main_output = Dense(1, activation='sigmoid', name='main_output')(conv)

    concatenation = concatenate([auxiliary_output, main_output])

    model = Model(inputs=[main_input, auxiliary_input], outputs=concatenation)
    model.summary()
    model.compile(optimizer='adam', loss='binary_crossentropy',
              metrics=['accuracy'])

    return model

if __name__ == "__main__":
    x_train = load_data("D:\\Software_Herramienta\\Datasets\\sweep_switch_train.csv")
    y_train = load_data("D:\\Software_Herramienta\\Datasets\\sweep_switch_labels_train.csv")
    x_train = x_train.reshape(x_train.shape[0], x_train.shape[1], 1)
    y_train.astype(int)
    y_train = y_train.reshape(1000, 1)
    # y_train = to_categorical(y_train)

    batch = 50

    model = get_model_lstm_fcn(x_train.shape[1:])
    model.fit([x_train,x_train], y_train, epochs=5, batch_size=batch)

    x_test = load_data("D:\\Software_Herramienta\\Datasets\\sweep_switch_test.csv")
    y_test =     load_data("D:\\Software_Herramienta\\Datasets\\sweep_switch_labels_test.csv")
    x_test = x_test.reshape(x_test.shape[0], x_test.shape[1], 1)
    y_test.astype(int)
    y_test = y_test.reshape(1000, 1)
    y_test = to_categorical(y_test)

    loss_and_metrics = model.evaluate(x_test, y_test, batch_size=batch)
    classes = model.predict(x_test, batch_size=batch)
    print("Loss, accuracy: ")
    print(loss_and_metrics)
    print("Classes:")
    print(classes.flatten())

模型摘要为：

图层（类型）-------------------输出形状--------参数＃----已连接到

aux_input（InputLayer）--------（无，1000，1）----- 0 ----------

conv1d_1（Conv1D）--------------（无，991，128）--- 1408 ----- aux_input [0] [0]

main_input（InputLayer）---------（None，1000，1）---- 0

conv1d_2（Conv1D）--------------（无，982，256）---- 327936 ----- conv1d_1 [0] [0]

lstm_1（LSTM）-------------------（None，256）------- 264192 ---- main_input [0] [0]

conv1d_3（Conv1D）---------------（无，973，128）--- 327808 ---- conv1d_2 [0] [0]

dropout_1（Dropout）-------------（None，256）-------- 0 --------- lstm_1 [0] [0]

global_average_pooling1d_1 ------（无，128）-------- 0 --------- conv1d_3 [0] [0]

aux_output（密集）---------------（无，1）------ 257 --------- dropout_1 [0] [0]

main_output（Dense）---------------（None，1）---- 129 --------- global_average_pooling1d_1 [0] [0]

concatenate_1（串联）-------（无，2）------ 0 --------- aux_output [0] [0] main_output [0] [0] < / p>

总参数：921,730 可训练的参数：921,730 不可训练的参数：0

感谢您的帮助！

Answer 1

原来是我最初认为的，错误来自标签。但是，我没有使用正确的形状，所以我猜到问题出在其他地方。由于有两个输入，因此标签也应该有两个输入，因此我最初使用：

model.fit([x_train, x_train], [y_train, y_train], epochs=5, batch_size=batch)

但这并不正确，因为标签的形状位于两个不同的数组中而不是一个数组中。因此，正确的方法是：

model.fit([x_train, x_train], np.reshape([y_train, y_train], (1000, 2)), epochs=5, batch_size=batch)

将np数组重塑为只有2列的数组，并重复标签。

实际上，在评估函数中会出现相同的问题，它应该是：

loss_and_metrics = model.evaluate([x_test, x_test], np.reshape([y_test, y_test]), batch_size=batch)

欢呼

Keras和张量流的级联和拟合错误

1 个答案: