Question

我正在使用Keras的Functional API（使用TensorFlow后端）训练具有多个输出层的文本情感分类模型。该模型将Keras预处理API的hashing_trick（）函数产生的哈希值的Numpy数组作为输入，并根据Keras规范使用二进制一键式标签的Numpy数组的 list 作为其目标。用于训练具有多个输出的模型（请参见此处的fit（）文档：https://keras.io/models/model/）。

这里是模型，没有大多数预处理步骤：

    textual_features = hashing_utility(filtered_words) # Numpy array of hashed values(training data)

    label_list = [] # Will eventually contain a list of Numpy arrays of binary one-hot labels 

    for index in range(one_hot_labels.shape[0]):
        label_list.append(one_hot_labels[index])

     weighted_loss_value = (1/(len(filtered_words))) # Equal weight on each of the output layers' losses

     weighted_loss_values = []

     for index in range (one_hot_labels.shape[0]):
        weighted_loss_values.append(weighted_loss_value)


     text_input = Input(shape = (1,))


     intermediate_layer = Dense(64, activation = 'relu')(text_input)


     hidden_bottleneck_layer = Dense(32, activation = 'relu')(intermediate_layer)

     keras.regularizers.l2(0.1)

     output_layers = []

     for index in range(len(filtered_words)):
        output_layers.append(Dense(2, activation = 'sigmoid')(hidden_bottleneck_layer))

     model = Model(inputs = text_input, outputs = output_layers)            
     model.compile(optimizer = 'RMSprop', loss = 'binary_crossentropy', metrics = ['accuracy'], loss_weights = weighted_loss_values)                          

     model.fit(textual_features, label_list, epochs = 50)

以下是此模型产生的错误跟踪训练的要点：

ValueError：检查目标时出错：预期density_3的形状为（2，），但数组的形状为（1，）

Answer 1

您的numpy arrays（用于输入和输出）应包含批处理维度。如果您的标签当前为(2,)形状，则可以对其进行重塑以包括如下的批次尺寸：

label_array = label_array.reshape(1, -1)

Answer 2

我用过

iris <- transform(iris, Species.r=relevel(Species, ref="virginica"))

安装

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

我改变了损失，对我有用。

检查目标时出错：预期density_3的形状为（2，），但数组的形状为（1，）

2 个答案: