我試圖用它來將圖像分為兩類。我還應(yīng)用了 model.fit() 函數(shù)，但它顯示錯誤。ValueError：將形狀為 (90, 1) 的目標(biāo)數(shù)組傳遞給形狀為 (None, 10) 的輸出，同時用作損失 binary_crossentropy。這種損失期望目標(biāo)與輸出具有相同的形狀。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貢獻(xiàn)1863條經(jīng)驗(yàn) 獲得超2個贊
如果您的問題是明確的，那么您的問題是您使用的是binary_crossentropy而不是categorical_crossentropy; 確保您確實(shí)有分類問題而不是二元分類問題。
另外，請注意，如果你的標(biāo)簽是簡單的整數(shù)格式，比如 [1,2,3,4...] 而不是單熱編碼，你的 loss_function 應(yīng)該是sparse_categorical_crossentropy，而不是categorical_crossentropy。
如果您確實(shí)有二進(jìn)制分類問題，如上述錯誤中所述，請確保：
損失是 binary_crossentroy +
Dense(1,activation='sigmoid')損失是 categorical_crossentropy +
Dense(2,activation='softmax')
添加回答
舉報
0/150
提交
取消