我试图用它来将图像分为两类。我还应用了 model.fit() 函数,但它显示错误。ValueError:将形状为 (90, 1) 的目标数组传递给形状为 (None, 10) 的输出,同时用作损失 binary_crossentropy。这种损失期望目标与输出具有相同的形状。import tensorflow as tffrom tensorflow.keras.models import Sequentialfrom tensorflow.keras.layers import Dense, Dropout, Activation, Flatten, Conv2D, MaxPooling2D, LSTMimport pickleimport numpy as npX = np.array(pickle.load(open("X.pickle","rb")))Y = np.array(pickle.load(open("Y.pickle","rb")))#scaling our image dataX = X/255.0model = Sequential()model.add(Conv2D(64 ,(3,3), input_shape = (300,300,1)))# model.add(MaxPooling2D(pool_size = (2,2)))model.add(tf.keras.layers.Reshape((16, 16*512)))model.add(LSTM(128, activation='relu', return_sequences=True))model.add(Dropout(0.2))model.add(LSTM(128, activation='relu'))model.add(Dropout(0.2))model.add(Dense(32, activation='relu'))model.add(Dropout(0.2))model.add(Dense(10, activation='softmax'))opt = tf.keras.optimizers.Adam(lr=1e-3, decay=1e-5)model.compile(loss='binary_crossentropy', optimizer=opt, metrics=['accuracy'])# model.summary()model.fit(X, Y, batch_size=32, epochs = 2, validation_split=0.1)
1 回答
小唯快跑啊
TA贡献1863条经验 获得超2个赞
如果您的问题是明确的,那么您的问题是您使用的是binary_crossentropy
而不是categorical_crossentropy
; 确保您确实有分类问题而不是二元分类问题。
另外,请注意,如果你的标签是简单的整数格式,比如 [1,2,3,4...] 而不是单热编码,你的 loss_function 应该是sparse_categorical_crossentropy
,而不是categorical_crossentropy
。
如果您确实有二进制分类问题,如上述错误中所述,请确保:
损失是 binary_crossentroy +
Dense(1,activation='sigmoid')
损失是 categorical_crossentropy +
Dense(2,activation='softmax')
添加回答
举报
0/150
提交
取消