Question

我将使用自己定义的数据集微调InceptionV3模型。不幸的是，使用model.fit进行训练时，出现以下错误：

ValueError: Error when checking target: expected dense_6 to have shape (4,) but got array with shape (1,)

首先，我将自己的数据集加载为training_data，其中包含一对图像和相应的标签。然后，我使用下面的代码将它们转换为特定的数组类型（img_new和label_new），以便与Keras的数据和标签输入兼容。

for img, label in training_data:    

    img_new[i,:,:,:] = img
    label_new[i,:] = label
    i=i+1

第二，我在下面微调了Inception模型。

InceptionV3_model=keras.applications.inception_v3.InceptionV3(include_top=False, 
                                                              weights='imagenet', 
                                                              input_tensor=None, 
                                                              input_shape=None, 
                                                              pooling=None, 
                                                              classes=1000)

#InceptionV3_model.summary()

    # add a global spatial average pooling layer
x = InceptionV3_model.output
x = GlobalAveragePooling2D()(x)

# let's add a fully-connected layer
x = Dense(1024, activation='relu')(x)

# and a logistic layer -- let's say we have 4 classes
predictions = Dense(4, activation='softmax')(x)

# this is the model we will train
model = Model(inputs=InceptionV3_model.input, outputs=predictions)

    # Transfer Learning
for layer in model.layers[:311]:
    layer.trainable = False
for layer in model.layers[311:]:
    layer.trainable = True

    from keras.optimizers import SGD
model.compile(optimizer=SGD(lr=0.001, momentum=0.9), loss='categorical_crossentropy')

    model.fit(x=X_train, y=y_train, batch_size=3, epochs=3, validation_split=0.2)
model.save_weights('first_try.h5')

在使用model.fit进行训练时，有人对出什么问题有想法吗？

衷心感谢您的帮助。

Answer 1

由于我的标签为r个整数而导致错误，我必须通过为整数标签设置的sparse_categorical_crossentropy而不是用于一键编码的categorical_crossentropy对其进行编译。

非常感谢@Amir的帮助。 :-)

在Keras中微调InceptionV3时出错

1 个答案: