Python ImageDataGenerator的标签形状错误

我试图用不同尺寸的图像训练一个模型，通常我会使用flatte，但是flatte（）要求所有图像都有一个固定的尺寸，而我没有

在这里，我试图用globalMapool2D（）替换flatte，但最后我遇到了预期尺寸的问题。我是TensorFlow的新手，我很难理解在哪里可以调整我的模型以避免出现预期形状的问题

代码：（一些导入是不必要的，但它将被进一步使用，我添加了它们以防假定的不兼容）

模型总结如下：

Model: "sequential_11"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_20 (Conv2D)           (None, None, None, 32)    896       
_________________________________________________________________
activation_38 (Activation)   (None, None, None, 32)    0         
_________________________________________________________________
conv2d_21 (Conv2D)           (None, None, None, 32)    9248      
_________________________________________________________________
activation_39 (Activation)   (None, None, None, 32)    0         
_________________________________________________________________
dropout_20 (Dropout)         (None, None, None, 32)    0         
_________________________________________________________________
global_max_pooling2d_9 (Glob (None, 32)                0         
_________________________________________________________________
dense_19 (Dense)             (None, 512)               16896     
_________________________________________________________________
activation_40 (Activation)   (None, 512)               0         
_________________________________________________________________
dropout_21 (Dropout)         (None, 512)               0         
_________________________________________________________________
dense_20 (Dense)             (None, 2)                 1026      
_________________________________________________________________
activation_41 (Activation)   (None, 2)                 0         
=================================================================
Total params: 28,066
Trainable params: 28,066
Non-trainable params: 0
_________________________________________________________________
Epoch 1/10

ValueError: Error when checking target: expected activation_41 to have shape (2,) but got array with shape (1,)

错误如下：

Model: "sequential_11"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_20 (Conv2D)           (None, None, None, 32)    896       
_________________________________________________________________
activation_38 (Activation)   (None, None, None, 32)    0         
_________________________________________________________________
conv2d_21 (Conv2D)           (None, None, None, 32)    9248      
_________________________________________________________________
activation_39 (Activation)   (None, None, None, 32)    0         
_________________________________________________________________
dropout_20 (Dropout)         (None, None, None, 32)    0         
_________________________________________________________________
global_max_pooling2d_9 (Glob (None, 32)                0         
_________________________________________________________________
dense_19 (Dense)             (None, 512)               16896     
_________________________________________________________________
activation_40 (Activation)   (None, 512)               0         
_________________________________________________________________
dropout_21 (Dropout)         (None, 512)               0         
_________________________________________________________________
dense_20 (Dense)             (None, 2)                 1026      
_________________________________________________________________
activation_41 (Activation)   (None, 2)                 0         
=================================================================
Total params: 28,066
Trainable params: 28,066
Non-trainable params: 0
_________________________________________________________________
Epoch 1/10

ValueError: Error when checking target: expected activation_41 to have shape (2,) but got array with shape (1,)

看起来这个值肯定是“减半”了，但我试着去掉了一些图层，我无法让它工作

此外，如果你能推荐一个教程来更好地理解这些概念，我洗耳恭听

---

非常感谢你+

我认为你不应该把

n_classes=1

（正如你的评论所说），因为它不是

真的

，可能会带来混乱。您可以使用在所有情况下都有效的方法

使用

class\u mode='classifical'

在任何情况下都有效，无论类的数量是多少

然后，在最后一层中，您甚至不必手动设置类别的数量，您可以执行以下操作：

Dense(units=len(train_data_gen.class_indices))

---

然后，最终的神经元和类别的数量总是匹配的。然后，一定要确保你有一个loss函数，它允许一个热编码的输出，并且你可以正常运行（例如，

categorical\u crossentropy

）

我认为你不应该把

n\u classes=1

（正如你的评论所说），因为它不是

真的
，可能会带来混乱。您可以使用在所有情况下都有效的方法

使用
class\u mode='classifical'
在任何情况下都有效，无论类的数量是多少

然后，在最后一层中，您甚至不必手动设置类别的数量，您可以执行以下操作：

Dense(units=len(train_data_gen.class_indices))

然后，最终的神经元和类别的数量总是匹配的。然后，始终确保您有一个loss函数，该函数允许一个热编码输出，并且您可以正常运行（例如，
categorical\u crossentropy
）
保存类标签的数组的形状是什么？输出的形状和类标签数组之间可能不匹配。这可能是因为您进行了二元分类，所以类标签数组的形状为（nx1），而您的网络需要（nx2）Hi Koralp数组，谢谢您的回答。实际上，我本身没有“标签”，因为来自目录的ImageDataGenerator.flow通过在不同的文件夹中查找图像来完成工作（据我所知）。在这里，我有两个图像像一个图像一样分散在两个不同的文件夹中（ISUP1和ISUP2是名称）。在ImageGenerator的末尾，我发现了以下内容：找到了属于2个类的2个图像。是的，ImageDataGenerator确实以迭代方式将数据提供给模型。但是，如果您选中此处，您可以看到使用class_模式作为
binary
将产生1D二进制标签，这可能会导致维度不匹配！令人惊叹的！它起作用了！如果我想在ImageDataGenerator中使用二进制分类，那么我应该使用一些类=1。非常感谢++保存类标签的数组的形状是什么？输出的形状和类标签数组之间可能不匹配。这可能是因为您进行了二元分类，所以类标签数组的形状为（nx1），而您的网络需要（nx2）Hi Koralp数组，谢谢您的回答。实际上，我本身没有“标签”，因为来自目录的ImageDataGenerator.flow通过在不同的文件夹中查找图像来完成工作（据我所知）。在这里，我有两个图像像一个图像一样分散在两个不同的文件夹中（ISUP1和ISUP2是名称）。在ImageGenerator的末尾，我发现了以下内容：找到了属于2个类的2个图像。是的，ImageDataGenerator确实以迭代方式将数据提供给模型。但是，如果您选中此处，您可以看到使用class_模式作为
binary
将产生1D二进制标签，这可能会导致维度不匹配！令人惊叹的！它起作用了！如果我想在ImageDataGenerator中使用二进制分类，那么我应该使用一些类=1。非常感谢，非常感谢，它更可靠。非常感谢，它确实更可靠