Question

我正在尝试准备一个模型，该模型采用形状为56x56像素和3个通道的输入图像：（56、56、3）。输出应为216个数字的数组。我重用了数字识别器中的代码，并对其做了一些修改：

model = Sequential()

model.add(Conv2D(filters = 32, kernel_size = (5,5),padding = 'Same', 
                 activation ='relu', input_shape = (56,56,3)))
model.add(Conv2D(filters = 32, kernel_size = (5,5),padding = 'Same', 
                 activation ='relu'))
model.add(MaxPool2D(pool_size=(2,2)))
model.add(Dropout(0.25))


model.add(Conv2D(filters = 64, kernel_size = (3,3),padding = 'Same', 
                 activation ='relu'))
model.add(Conv2D(filters = 64, kernel_size = (3,3),padding = 'Same', 
                 activation ='relu'))
model.add(MaxPool2D(pool_size=(2,2), strides=(2,2)))
model.add(Dropout(0.25))


model.add(Flatten())
model.add(Dense(256, activation = "relu"))
model.add(Dropout(0.5))
model.add(Dense(216, activation = "linear"))

from tensorflow.python.keras.losses import categorical_crossentropy
model.compile(loss = categorical_crossentropy,
                     optimizer = "adam",
                     metrics = ['accuracy'])

这给我一个错误：

ValueError: Error when checking target: expected dense_1 to have shape (216,) but got array with shape (72,)

我知道如何编码分类器模型，但不能获取输出数组，因此我可能没有在最后一个Dense层中设置正确的形状。我不知道应该是1还是216。

我在this post中读到问题可能出在损失函数上，但是我不确定应该使用其他哪些损失函数。

谢谢！

Answer 1

最后一层应与目标类具有相同的形状

更改

model.add(Dense(216, activation = "linear"))

到

model.add(Dense(72, activation = "linear"))

Answer 2

您会看到您输入了input_shape = (56,56,3)。

现在写入，您当前的数据形状为 56 。

应用 32 过滤器后，您的数据形状为 72 。

这行代码中，您的密集层具有256个节点的平均值（使您的密集层能够接收来自数组的 256 输入，但获得了 72 ）

model.add(Dense(256, activation = "relu"))

您可以更改过滤器形状，也可以将 256 更改为 72 。

我希望这对您有用。

Keras：密集层中的形状错误

2 个答案: