Question

嗨，我正在处理图像形状（160,320,3），我已经设置了以下代码，并希望使用Softmax函数结束它，但是却出现如下错误：“ ValueError：检查目标时出错：预期softmax1的形状为（10，），但数组的形状为（1，） “

请参见以下代码：

model = Sequential()

with tf.name_scope("Lamda"):
    model.add(Lambda(lambda x: (x / 255.0) - 0.5, input_shape=(160,320,3), name='lamda1'))
with tf.name_scope("Cropping"):
    model.add(Cropping2D(cropping=((70,25), (0,0)), input_shape=(160,320,3), name='crop1'))
with tf.name_scope("Drop"):
    model.add(Dropout(0.5, name='drop1'))
with tf.name_scope("conv"):
    model.add(Convolution2D(24, (5,5), activation="relu", strides=(2, 2), name='conv1'))
    model.add(Convolution2D(36, (5,5), activation="relu", strides=(2, 2), name='conv2'))  
    model.add(Convolution2D(48, (5,5), activation="relu", strides=(2, 2), name='conv3'))
    model.add(Convolution2D(64, (3,3), activation="relu", name='conv4'))
    model.add(Convolution2D(64, (3,3), activation="relu", name='conv5'))
with tf.name_scope("Flat"):
    model.add(Flatten(name='flat1'))
with tf.name_scope("Dencity"):
    model.add(Dense(100, name='Dense1'))
with tf.name_scope("Drop"):
    model.add(Dropout(0.2, name='drop2'))
with tf.name_scope("Dencity"):
    model.add(Dense(75, name='Dense2'))
with tf.name_scope("Drop"):
    model.add(Dropout(0.2, name='drop3'))
with tf.name_scope("Dencity"):
    model.add(Dense(10, name='Dense3'))
with tf.name_scope("Soft"):
    model.add(Dense(10, activation="softmax", name='softmax1'))

model.summary()

with tf.name_scope("Loss"):
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(X_train, y_train, validation_split=0.2, shuffle=True, epochs=EPOCHS, batch_size=BATCH_SIZE, callbacks=[cb], verbose=2)

模型摘要给出的输出形状为10，并尝试了多种模式，但仍然遇到相同的问题，非常感谢Keras的一些支持和指导。

图层（类型）输出形状参数＃

lamda1（Lambda）（无，160、320、3）0

crop1（Cropping2D）（无，65、320、3）0

drop1（删除）（无，65、320、3）0

conv1（Conv2D）（无，31、158、24）1824

conv2（Conv2D）（无，14、77、36）21636

conv3（Conv2D）（无，5、37、48）43248

conv4（Conv2D）（无，3、35、64）27712

conv5（Conv2D）（无，1，33，64）36928

flat1（Flatten）（无，2112）0

Dense1（Dense）（None，100）211300

drop2（退出）（无，100）0

Dense2（Dense）（无，75）7575

drop3（退出）（无，75）0

Dense3（密集）（无，10）760

softmax1（密集）（无，10）110

Answer 1

简介：

将y_test和y_train转换为分类。 Softmax应该告诉每个类别的概率，该类别属于我们馈入神经网络的图像的百分比。因此，您必须将Y检验转换为所有类均为零且真正标签为1的稀疏数组。

就像我有3个类（1.cat，2.dog，3.goat）一样，

喂狗的图像，它在数组中的标签为2。但是当我将其转换为分类数组时，它变成了。 [0,1,0]现在，当softmax预测此图像时，它将变为。 [0.12,0.98,0.11]表示其

0.12％与猫相似 0.98％与狗相似与山羊相似的0.11％

这就是softmax如何给予我们预测。

问题：

现在，您的问题是您的y_test的格式为[1,2,3]，但softmax要求它们是针对每个标签的3元素数组。即[[1,0,0],[0,1,0],[0,0,1]]这样，softmax能够给出每个班级给您的概率。在简单的softmax中，需要一个针对一幅图像的数组，其中除真实标签外，所有元素均为0。但是，当softmax看到将其标签标记为1个元素时，就会出现错误，导致softmax正在寻找10个元素的数组但得到1个元素。

解决方案： 添加此行代码，这会将您的每个图像标签转换为softmax所需的10个元素的数组。

from keras.utils import np_utils
y_train = np_utils.to_categorical(y_train)

无法使Softmax在代码中工作

1 个答案: