Question

我正在尝试使用keras将maxpooling用作第一层，并且输入和输出尺寸有问题。

print(x_train.shape)
print(y_train.shape)
(15662, 6)
(15662,)

x_train = np.reshape(x_train, (-1,15662, 6)) 
y_train = label_array.reshape(1, -1)

model = Sequential()
model.add(MaxPooling1D(pool_size = 2 , strides=1, input_shape = (15662,6)))
model.add(Dense(5, activation='relu'))
model.add(Flatten())
model.add(Dense(1, activation='softmax'))

model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=
['accuracy'])
model.fit(x_train, y_train,  batch_size= 32, epochs=1)

运行模型后，出现以下错误：

ValueError：检查目标时出错：预期的density_622（最后一层）形状为（1，）但数组的形状为（15662，）

我正在分类，我的目标是二进制（0,1）谢谢

Answer 1

您的目标应具有形状(batch_size, 1)，但是您要传递形状(1, 15662)的数组。似乎应该是15662的批次大小，在这种情况下，x_train的形状应为(15662, 6)，而y_train的形状应为(15662, 1)。但是，在这种情况下，将MaxPooling1D层作为模型的第一层没有任何意义，因为最大池化需要3D输入（即形状(batch_size, time_steps, features)）。您可能要忽略最大池化层（和展平层）。以下代码应该起作用：

# x_train: (15662, 6)
# y_train: (15662,)

model = Sequential()
model.add(Dense(5, activation='relu', input_shape=(6,))) # Note: don't specify the batch size in input_shape
model.add(Dense(1, activation='sigmoid'))

model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=
['accuracy'])
model.fit(x_train, y_train,  batch_size= 32, epochs=1)

但这当然取决于您拥有哪种数据。

检查目标时发生错误：期望密集的形状为（1，），但数组的形状为（15662，）maxpooling为第一层

1 个答案: