Python 检查目标时出现Keras ValueError错误
我正试图在keras建立一个模型。我几乎完全遵循了一个教程,但我得到了一个错误,上面写着: ValueError:检查目标时出错:预期激活_5具有形状(无,1),但获得具有形状(16,13)的数组 我的代码如下:Python 检查目标时出现Keras ValueError错误,python,keras,Python,Keras,我正试图在keras建立一个模型。我几乎完全遵循了一个教程,但我得到了一个错误,上面写着: ValueError:检查目标时出错:预期激活_5具有形状(无,1),但获得具有形状(16,13)的数组 我的代码如下: model = Sequential() model.add(Conv2D(32, (3, 3), input_shape=input_shape)) model.add(Activation('relu')) model.add(MaxPooling2D(pool_size=(2,
model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=input_shape))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(64))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(1))
model.add(Activation('sigmoid'))
model.compile(loss='binary_crossentropy',
optimizer='rmsprop',
metrics=['accuracy'])
batch_size = 16
epochs = 50
number_training_data = 999
number_validation_data = 100
train_datagen = ImageDataGenerator(
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
test_datagen = ImageDataGenerator(rescale=1. / 255)
train_generator = train_datagen.flow_from_directory(
'data/train', # this is the target directory
target_size=(200, 200),
batch_size=batch_size,
class_mode='categorical')
validation_generator = test_datagen.flow_from_directory(
'data/validation',
target_size=(200, 200),
batch_size=batch_size,
class_mode='categorical')
model.fit_generator(
train_generator,
steps_per_epoch=number_training_data // batch_size,
epochs=epochs,
validation_data=validation_generator,
validation_steps=number_validation_data // batch_size)
我拥有的数据集有13个类,因此错误消息中的数组形状对应于批大小和类数。知道我为什么会出现这个错误吗?您的模型配置为执行二进制分类,而不是13个类的多类分类。要做到这一点,您应该改变:
- 最后的单元数密集到13,类数
- 输出至softmax时的激活
- 分类交叉熵的损失(
)categorical\u crossentropy