Keras 每次激活都会出现重复错误(例如:激活9,…激活45…等)
ValueError:检查目标时出错:预期激活_81具有形状(1,),但获得具有形状(7,)的数组 我正在使用神经网络对7类语音情感分类进行多类分类,但在这一点上失败了Keras 每次激活都会出现重复错误(例如:激活9,…激活45…等),keras,classification,conv-neural-network,speech-recognition,Keras,Classification,Conv Neural Network,Speech Recognition,ValueError:检查目标时出错:预期激活_81具有形状(1,),但获得具有形状(7,)的数组 我正在使用神经网络对7类语音情感分类进行多类分类,但在这一点上失败了 cnnhistory=model.fit(x_traincnn, y_train, batch_size=16, epochs=700, validatio
cnnhistory=model.fit(x_traincnn,
y_train,
batch_size=16,
epochs=700,
validation_data=(x_testcnn, y_test),
callbacks=[mcp_save, lr_reduce])
在第行回调=[mcp\u保存,lr\u减少]
mcp_拯救生命
mcp_save = ModelCheckpoint('model/aug_noiseNshift_2class2_np.h5',
save_best_only=True, monitor='val_loss', mode='min')
和lr_减少存在
lr_reduce = ReduceLROnPlateau(monitor='val_loss', factor=0.9, patience=20, min_lr=0.000001)
神经网络的最后一层
高密度(7)7级
model.add(Dense(7))
model.add(Activation('softmax'))
opt = keras.optimizers.SGD(lr=0.0001, momentum=0.0, decay=0.0, nesterov=False)
使用
model.compile(loss='sparse_categorical_crossentropy', optimizer=opt, metrics=['accuracy', fscore])
我已经用标准化值转换了数据集,将损失函数从“分类交叉熵”更改为“稀疏分类交叉熵”。什么都没有发生,只是将错误从激活_9推到激活_18,再推到激活_45,再推到激活_54,现在推到激活_81。但错误仍然存在
任何帮助都将不胜感激!
我不熟悉神经网络。
TIA如果标签是数字,这意味着
y\u train
具有形状(示例,1)
,您应该使用'sparse\u categorical\u crossentropy'
如果您将标签作为一个热编码,这意味着y\u train
具有形状(示例7)
,您应该使用“分类交叉熵”