ValueError: Shapes (None, 1) 和 (None, 64) 是不兼容的 Keras

Question

我正在尝试构建一个顺序模型。我有 32 个特征作为输入维度，这是一个分类问题。 这是总结的结果：

这是我的模型：

#Create an ANN using Keras and Tensorflow backend
from keras.wrappers.scikit_learn import KerasClassifier
from keras.models import Sequential
from keras.layers import Dense, Dropout,Activation
from keras.optimizers import Adam,SGD
nb_epoch = 200
batch_size = 64

input_d = X_train.shape[1]


model = Sequential()
model.add(Dense(512, activation='relu', input_dim=input_d))
model.add(Dropout(0.5))
model.add(Dense(128, activation='relu', input_dim=input_d))
model.add(Dropout(0.5))
model.add(Dense(64, activation='relu'))
model.add(Dropout(0.3))
model.add(Activation('softmax'))

sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
rms = 'rmsprop'
model.compile(loss='categorical_crossentropy',
              optimizer=sgd,
              metrics=['accuracy']) 

测试和训练形状都是 32。我得到 ValueError: Shapes (None, 1) 和 (None, 64) are incompatible 错误，无论何时我想拟合模型，但我不知道为什么。 非常感谢。

Answer 1

损失函数期望形状为 (None, 1) 的张量，但您给它 (None, 64)。您需要在最后添加一个带有单个神经元的 Dense 层，这将获得最终的计算结果：

model = Sequential()
model.add(Dense(512, activation='relu', input_dim=input_d))
model.add(Dropout(0.5))
model.add(Dense(128, activation='relu', input_dim=input_d))
model.add(Dropout(0.5))
model.add(Dense(64, activation='relu'))
model.add(Dropout(0.3))
model.add(Dense(1, activation='softmax'))