Question

我遇到了以下问题：“检查目标时出错：期望density_2具有2个维，但是数组的形状为（867，44，44）”。

我认为我需要在预处理零件期间转移尺寸或更改损失函数。

我已经搜索了关于stackoverflow的相关问题，但未能解决。有人可以帮我吗？

输入是一些彩色图片，高度为46，宽度为120，因此我将输入设置为（46,120,3）。

X_train的形状为：（1084，46，120，3）转换为一种热编码后的Y_train（即标签）的形状为：（1084，44，44）

预处理部分和模型的详细信息如下：

model = Sequential()

X_train = X_train/255  Y_train = to_categorical(Y_train,num_classes = 44)

random_seed = 2 X_train, X_val, Y_train, Y_val = train_test_split(X_train, 
                Y_train, test_size = 0.2, random_state=random_seed)



model.add(Conv2D(filters=16,kernel_size=(5,5),padding='same',input_shape=(46,120,3),activation='relu',data_format
= 'channels_last')) 
model.add(Conv2D(filters=16,kernel_size=(5,5),padding='same',activation='relu'))

model.add(MaxPool2D(pool_size=(2,2),strides = (1,1))) 
model.add(Dropout(0.25))

model.add(Conv2D(filters=32,kernel_size=(5,5),padding='same',activation='relu')) 
model.add(Conv2D(filters=32,kernel_size=(5,5),padding='same',activation='relu'))

model.add(MaxPool2D(pool_size=(2,2),strides = (1,1))) model.add(Dropout(0.25))

model.add(Conv2D(filters=32,kernel_size=(5,5),padding='same',activation='relu')) 
model.add(Conv2D(filters=32,kernel_size=(5,5),padding='same',activation='relu'))

model.add(MaxPool2D(pool_size=(2,2),strides = (1,1))) 
model.add(Dropout(0.25))

model.add(Flatten()) 
model.add(Dense(256,activation='relu')) 
model.add(Dropout(0.3))

model.add(Dense(44,activations='softmax'))

model.compile(loss='binary_crossentropy',
               optimizer='rmsprop',metrics=['accuracy']) 
model.summary()

# Set the learning rate annealer learning_rate_reduction = 
ReduceLROnPlateau(monitor='val_acc', 
                                            patience = 3,
                                            verbose = 1, 
                                            factor = 0.5, 
                                            min_lr = 0.00001) epochs = 100 batch_size = 86

model.fit(X_train,Y_train)

ValueError：检查目标时出错：预期density_2具有2维，但数组的形状为（867，44，44）

顺便说一句，density_2是我模型的最后一层。

Answer 1

将密集层作为最终输出时，不能期望以2D标注。因此，要么需要2D标注，要么需要一个将输出2D张量的图层，或者需要将Y_train修改为Dense图层可以预测的值。

Answer 2

我解决了删除to_categorical（）方法的问题，并使用binary_crossentropy作为损失。因为每个Y_train是形状为（1,44）的二进制向量，并且如果添加另一个to_categorical（）方法，它将使每个Y_train的形状变为（1,44,44），所以我不会知道为什么，而我仍在设法弄清楚。但这就是问题所在。谢谢大家的帮助！

检查目标时出错：预期density_2具有2维，但数组的形状为（867，44，44）

2 个答案: