Question

我尝试运行此代码（二进制分类），但仍停留在此错误：ValueError：检查目标时出错：预期avg_pool具有4维，但数组的形状为（100，2）

GGally

Answer 1

删除这些行，它将起作用，

model.layers.pop() 
model = Model(input=model.input,output=model.layers[-1].output)

前者将删除最后一个（Dense）层，并且字母表示没有最后一个（Flatten的模型，因为Dense已经弹出）。

这没有意义，因为您的目标数据是（100，2）。为什么把它们放在第一位呢？

我也认为这行

predictions = Dense(1, activation='sigmoid')(x)

会出错，因为您的目标数据是2通道，如果确实出错，则将其更改为

predictions = Dense(2, activation='sigmoid')(x)

更新

avg_pool的输出为4维（batch_size，height，width，channel）。您需要先执行Flatten或使用GlobalAveragePooling2D代替AveragePooling2D。

喜欢

x = model.get_layer('avg_pool').output
x = keras.layers.Flatten()(x)
predictions = Dense(1, activation='sigmoid')(x)

或

model = ResNet50(include_top=False, pooling='avg', weights='imagenet')  # `pooling='avg'` makes the `ResNet50` include a `GlobalAveragePoiling` layer and `include_top=False` means that you don't include the imagenet's output layer
x = model.output  # as I use `include_top=False`, you don't need to care the layer name, just use the model's output right away
predictions = Dense(1, activation='sigmoid')(x)

也正如@ bit01所说，将class_mode='categorical'更改为class_mode ='binary'。

Answer 2

在class_mode='categorical'和class_mode='binary'中将train_generator更改为validation_generator。

另外，删除已创建模型的以下行。

model.layers.pop() 
model = Model(input=model.input,output=model.layers[-1].output)

因此，您的模型将是：

model = ResNet50(include_top=True, weights='imagenet')
x = model.get_layer('avg_pool').output
x = Flatten()(x)
predictions = Dense(1, activation='sigmoid')(x)
model = Model(input = model.input, output = predictions)

ValueError：检查目标时出错：预期avg_pool具有4维，但数组的形状为（100，2）

2 个答案:

更新