Question

我已经在互联网上搜索了几天，试图找到解决该错误的方法，但是我发现没有什么特别适用：

ValueError: Error when checking target: expected dense_2 to have shape (300,) but got array with shape (60,)

以下是生成错误的代码（数据预处理除外）：

model = keras.Sequential([
keras.layers.Conv1D(5,input_shape=(1,60), kernel_size=12, padding='same'), 
keras.layers.Conv1D(10, padding='same',activation=tf.nn.relu, kernel_size=10),
keras.layers.Conv1D(20, padding='same',activation=tf.nn.relu, kernel_size=6),
keras.layers.Conv1D(30, padding='same',activation=tf.nn.relu, kernel_size=5),
keras.layers.Flatten(),
keras.layers.Dense(70, activation="relu"),
keras.layers.Dense(300,activation="tanh")
])
model.compile(optimizer=tf.train.AdamOptimizer(0.001),
loss='mse',
metrics=['mae'])
model.fit(traindata,trainlabels, epochs=10, batch_size=int(len(traindata)/60))

我不确定是什么原因导致此错误，但我进行了一些故障排除，以尝试缩小可能性。

我试图做的第一件事就是尝试在TensorFlow网站上运行其中一个示例，我选择了位于here的MNIST时尚示例。

此程序运行没有错误，并且训练得很好，因此我认为TensorFlow或Python下载中没有错误。

然后，我尝试复制MNIST时尚示例中使用的模型，以测试它是否是我的模型中的错误。这是代码：

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(60,)),
    keras.layers.Dense(128, activation=tf.nn.relu),
    keras.layers.Dense(10, activation=tf.nn.softmax)
])
model.compile(optimizer=tf.train.AdamOptimizer(),
loss = 'sparse_categorical_cross_entropy',
metrics = ['accuracy']
)

我对模型所做的唯一更改是第一层的输入形状，以使它能够接收我的数据。但是错误仍然存在：

ValueError: Error when checking target: expected dense_1 to have shape (10,) but got array with shape (60,)

我最后尝试做的是建立自己的密集模型，该模型将吸收通过np.random.random创建的伪数据。

这是整个文件：

import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt

data = np.random.random((50,60))
datalabels = np.random.random((50,60))
model = keras.Sequential([
keras.layers.Dense(128,input_shape=(60,), activation="relu"),
keras.layers.Dense(50, activation="relu"),
keras.layers.Dense(10, activation="tanh")

])
model.compile(optimizer=tf.train.AdamOptimizer(),
loss="mae",
metrics=['mse'])

model.fit(data, datalabels, epochs=5, batch_size=10)

这也收到了错误，我对原因感到困惑，但是我认为这可能与我的伪数据的生成有关

ValueError: Error when checking target: expected dense_2 to have shape (10,) but got array with shape (60,)

如果有帮助，我将最后一个模型的所有图层及其输入和输出形状打印出来：

Layer: dense
    input_shape: (None, 60)
    output_shape: (None, 128)
Layer: dense_1
    input_shape: (None, 128)
    output_shape: (None, 50)
Layer: dense_2
    input_shape: (None, 50)
    output_shape: (None, 10)

这个错误让我最困惑的是，它仅在输出层出现错误。如果我在模型的末尾添加另一层，则该层将出错，除非输出层中的单位数等于模型输入的形状（例如：input_shape=(60,)的数目最后一层的单位等于60）。有谁知道为什么会这样？

Answer 1

使用model.summary()，您将看到每一层的输出形状。在您提供的第一个示例中，最后一层的输出形状（也是模型的输出形状）为(None, 300)。这意味着它将期望使用形状为(300,)的标签（即每个标签的形状）。但是，似乎您在调用fit时为模型提供的标签数组，即trainlabels的形状为(num_samples, 60)。而它必须与模型的输出形状一致，因此形状为(num_samples, 300)。同样的情况适用于您提到的所有其他失败示例。

TensorFlow / Keras：输出层上的形状错误

1 个答案: