Question

我正在尝试创建用于分析ECG信号的多通道一维CNN。我有258个12导联心电图，长度为300个样本，因此我的输入尺寸为（258，300，12）。

model = Sequential()
model.add(Conv1D(filters=64, kernel_size=10, activation='relu', input_shape=(n_timesteps,n_features), padding='same'))
model.add(MaxPooling1D(pool_size=2))
model.add(Conv1D(filters=64, kernel_size=10, activation='relu', padding='same'))
model.add(MaxPooling1D(pool_size=2))
model.add(Conv1D(filters=64, kernel_size=10, activation='relu', padding='same'))
model.add(MaxPooling1D(pool_size=2))
model.add(Conv1D(filters=64, kernel_size=10, activation='relu', padding='same'))
model.add(MaxPooling1D(pool_size=2))
model.add(Flatten())
model.add(Dense(100, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))
model.summary()

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
history = model.fit(X_train, y_train, epochs=10, batch_size=20, verbose=1, validation_split = 0.2)

我正在运行上面的代码，并收到以下错误

ValueError：检查目标时出错：预期density_8的形状为（2，），但数组的形状为（1，）

感谢您的帮助！

Answer 1

因此，您正在解决二进制分类问题。
错误消息表明我们的模型期望标签的形状为(2,)，并且我认为您正在使用num_classes=2。但是，您提供的标签为1或0或(1,)。要解决此错误，您需要更改模型的输出密集层，并且该层应具有一个具有sigmoid激活功能的神经元。

model.add(Dense(num_classes, activation='sigmoid'))  # num_classes=1

Answer 2

您正在尝试像这样训练模型，

model.fit(X_train, y_train, epochs=10, batch_size=20, verbose=1, validation_split = 0.2)

y_train的形状类似于(n, 1)，其中n是用于训练的样本数。

现在，您正在使用最后一层构建模型，

model.add(Dense(num_classes, activation='softmax'))

从错误消息中，可以推断出您正在设置num_classes=2。因此，最后一层将具有2个节点。这样的模型期望y_train的形状为(n,2)。但是您正在使用形状为y_train的{{1}}。

为解决错误，您可以将最后一层更改为

(n,1)

请注意，激活功能应更改为num_classes = 1 model.add(Dense(num_classes, activation='sigmoid'))。

预期density_8具有形状（2，），但具有形状（1，）的数组

2 个答案: