Question

我正在与Keras合作，迈出神经网络的第一步。我只是尝试使用一个似乎正确的示例中的1dconv图层。我仅更改输入值的形状以适合与特征对应的训练数据（2200,513）513（长度为2200），如果我的训练数据与目标相对应，我只希望设置两个输出。那就是模型：

模型摘要：

Layer (type)                 Output Shape              Param #   
=================================================================
conv1d_37 (Conv1D)           (None, 2191, 500)         2565500   
_________________________________________________________________
conv1d_38 (Conv1D)           (None, 2182, 500)         2500500   
_________________________________________________________________
max_pooling1d_10 (MaxPooling (None, 727, 500)          0         
_________________________________________________________________
conv1d_39 (Conv1D)           (None, 718, 160)          800160    
_________________________________________________________________
conv1d_40 (Conv1D)           (None, 709, 160)          256160    
_________________________________________________________________
global_average_pooling1d_10  (None, 160)               0         
_________________________________________________________________
dense_10 (Dense)             (None, 2)                 322       
=================================================================
Total params: 6,122,642
Trainable params: 6,122,642
Non-trainable params: 0
_________________________________________________________________
None

当我训练数据时出现此错误，我的最后一层没有合适的大小（674197，）...我很困惑，有什么帮助吗？

我已经将最后一层的大小更改为674197，但这没有任何意义，并且训练在两个时期后停止，而没有改善。

model_m = Sequential()
model_m.add(Conv1D(500, 10, activation='relu', input_shape=(2200,513)))
model_m.add(Conv1D(500, 10, activation='relu'))
model_m.add(MaxPooling1D(3))
model_m.add(Conv1D(160, 10, activation='relu'))
model_m.add(Conv1D(160, 10, activation='relu'))
model_m.add(GlobalAveragePooling1D(data_format='channels_last'))
model_m.add(Dropout(0.5))
model_m.add()
model_m.add(Dense(2, activation='softmax'))

ValueError: Error when checking target: expected dense_10 to have shape (2,) but got array with shape (674197,)

我希望输出应为2，所以我想保持此形状，我应该修改模型的某些部分，但要注意什么？

Answer 1

所以错误不是来自模型，而是来自将目标标签字符串更改为某些向量的代码，丑陋的部分是这样的：

from keras.utils import to_categorical
listNumTarget=[int(la,32) for la   in label_target_list]
target=to_categorical(listNumTarget)

我没想到“ to_categorical”函数的行为，但是似乎此函数输出是只有“ 0”和只有“ 1”的向量，它还期望标签都从0到您传递给该函数的最大数量。因此，即使列表中的标签很少，输出长度也是传递给它的最大数量。

我应该如何更改我的神经网络模型以适合最后的致密（2，激活）层？

1 个答案: