4

我有一个包含 3570 个标签的数据集。当我使用sparse_categorical_crossentropy作为损失函数时，输出形状不匹配。

model = Sequential()
model.add(Dense(1024, input_dim=79, activation='relu'))
model.add(Dense(2048, activation='relu'))
model.add(Dense(3570, activation='sigmoid'))

model.compile(loss='sparse_categorical_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])
model.fit(x_train, y_train,
          epochs=10,
          batch_size=1,
          validation_data=(x_valid, y_valid))

输出是 ValueError: Error when checking model target: expected dense_42 to have shape (None, 1) but got array with shape (1055, 3570)

然后我发现了这个问题#2444并用于np.expand_dims(y, -1)更改代码。但是还是有错误。

model = Sequential()
model.add(Dense(1024, input_dim=79, activation='relu'))
model.add(Dense(2048, activation='relu'))
model.add(Dense(3570, activation='sigmoid'))

model.compile(loss='sparse_categorical_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])
model.fit(x_train, np.expand_dims(y_train, -1),
          epochs=10,
          batch_size=1,
          validation_data=(x_valid, np.expand_dims(y_valid, -1)))

错误 ValueError: Error when checking model target: expected dense_45 to have 2 dimensions, but got array with shape (1055, 3570, 1)

我应该如何更改代码？

4

2 回答 2

2

loss='sparse_categorical_crossentropy'不是用于单热编码，而是用于整数目标。您可能需要一个“密集（...”作为输出层并直接使用 y_train。

于 2018-07-04T20:14:06.120 回答
1

原始 y_train 尺寸是多少？

最有可能的是您的 y_train 的形状为 (1055,)。您需要将 One-Hot 代码 y_train 编码为 (1055,3570) 维度。然后原始代码应该可以工作。Keras 不接受使用多个类的单列 y，它必须是 One-Hot 编码的。

您可以找到使用以下内容：

from keras.utils.np_utils import to_categorical

y_cat = to_categorical(y, num_classes=None)
于 2018-03-12T20:01:42.530 回答