输入0与图层flatten_15不兼容:预期的min_ndim = 3,找到的ndim = 2

时间:2019-02-20 05:32:50

标签: python keras flatten sequential

我正在尝试在运行以下代码的声音数据集上训练ANN模型,该数据集具有320行和50列:

Model= Sequential([ Flatten(), 
     Dense(16, input_shape=(1,50), activation= 'relu' ) , 

     Dense(32, activation= 'relu' ),
     Dense(2, activation='softmax' ) , 
     ])
Model.compile(Adam(lr=0.0001), loss='sparse_categorical_crossentropy', metrics=['accuracy'])
Model.fit(S_T_S, T_L, validation_split=0.1, batch_size=20, epochs=20, shuffle='true', verbose=2)

我收到以下错误:

  

输入0与flatten_15层不兼容:预期的min_ndim = 3,找到的ndim = 2,

1 个答案:

答案 0 :(得分:0)

如果数据集具有(N,C)形状,其中N是数据点的数量,C是单个数据点的通道数,则第一层的input_shape参数应仅指定通道。 >

model= Sequential([
     Dense(16, input_shape=(50,), activation= 'relu' ) , 

     Dense(32, activation= 'relu' ),
     Dense(2, activation='softmax' ) , 
     ])
model.compile(Adam(lr=0.0001), loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(S_T_S, T_L, validation_split=0.1, batch_size=20, epochs=20, shuffle='true', verbose=2)

如果输出类的数量为两个,则具有一个节点的输出层比使用具有两个节点的输出层更好。在这种情况下,应将输出层的激活更改为S型,而将损失更改为二进制交叉熵。

model= Sequential([
     Dense(16, input_shape=(50,), activation= 'relu' ) , 

     Dense(32, activation= 'relu' ),
     Dense(1, activation='sigmoid' ) , 
     ])
model.compile(Adam(lr=0.0001), loss='sparse_binary_crossentropy', metrics=['accuracy'])