Question

我使用 TFF 并且我的数据集有一个 binary_mode 类，这就是我声明输入的方式：

genv0 = img_genv.flow_from_directory(pathv0,(224, 224),'rgb', batch_size=2, class_mode='binary')
train_data = tf.data.Dataset.from_generator(genv0, output_types=(tf.float32, tf.float32), output_shapes = ([2,224,224,3],[2,1])

这是我的 sample_batch :

images, labels = next(img_gen.flow_from_directory(path0,target_size=(224, 224), batch_size=2, class_mode='binary'))

然后我在我的模型中添加这个层

model_output = tf.keras.layers.Dense(1, activation="sigmoid")(last_layer)
 model.compile(optimizer=tf.keras.optimizers.SGD(lr=0.001)
             loss=tf.keras.losses.BinaryCrossentropy(),
              metrics=([tf.keras.metrics.BinaryAccuracy()))

运行我的代码时，我发现这个错误：

 ValueError: Shapes (None, 1) and (None,) are incompatible

我认为问题在于 sample_batch 不带 bainary 模式的标签。我该如何解决这个问题谢谢

Answer 1

从它的名字来看，在二进制模式下，标签可能是标量 1 或 0，形状为 []，而不是张量 [1] 或 { {1}}。 Keras 通常喜欢张量。

也许可以尝试使用 tf.reshape 或 tf.expand_dims 将标量转换为张量。如果 [0] 是形状 labels，我们想把它变成形状 [batch_size]：

[batch_size, 1]

TFF : ValueError: Shapes (None, 1) 和 (None,) 不兼容

1 个答案: