machine-learning - 与 DenseNet 迁移学习不兼容的形状

Question

我想用 DenseNet 进行迁移学习，我找到了一个我想研究的例子。

model_d=DenseNet121(weights='imagenet',include_top=False, 
input_shape=(224, 224, 3)) 

x=model_d.output

x= GlobalAveragePooling2D()(x)
x= BatchNormalization()(x)
x= Dropout(0.5)(x)
x= Dense(1024,activation='relu')(x) 
x= Dense(512,activation='relu')(x) 
x= BatchNormalization()(x)
x= Dropout(0.5)(x)

preds=Dense(7,activation='softmax')(x) 

model=Model(inputs=model_d.input,outputs=preds) 
model.summary()

所以这是用这些层替换原始模型的输出。但是，当我尝试拟合模型时，出现不兼容的形状错误：

ValueError: Shapes (None, 1) and (None, 7) are incompatible

但是，查看模型摘要，我不知道这是什么原因。

Answer 1

我认为你在 Softmax 函数之后只有一个预测类，但preds=Dense(7,activation='softmax')(x)预计会有 7 个预测类。number 7 to 1如果您只预测 1 个班级，更改可能会解决您的问题。此外，您应该将激活更改为sigmoid，否则有 1 个神经元softmax将始终输出 1

请注意，这只是我的假设。