值错误 <ipython-input-65-8da781e9d890>

Question

我在使用 kerase lib 运行深度学习时遇到了一个问题。在代码下面的第二行。

X_train, X_test, y_train, y_test = train_test_split(X,y, test_size = 0.15, random_state = 42)

model.fit(X_train, y_train,validation_data = (X_test,y_test),epochs = 10, batch_size=32)

深度学习的完整代码是：

from keras.models import Sequential

from keras.layers import Dense, Embedding, LSTM, SpatialDropout1D

from sklearn.model_selection import train_test_split

from sklearn.feature_extraction.text import CountVectorizer

from keras.preprocessing.text import Tokenizer

from keras.preprocessing.sequence import pad_sequences

from keras.utils.np_utils import to_categorical

import re
embed_dim = 128
lstm_out = 196
model = Sequential()
model.add(Embedding(1500, embed_dim,input_length = 18))
model.add(LSTM(lstm_out, dropout=0.2, recurrent_dropout=0.2))
model.add(Dense(2,activation='softmax'))
model.compile(loss = 'binary_crossentropy', optimizer='adam',metrics = ['accuracy'])
tokenizer = Tokenizer(num_words=1500, split=' ')

tokenizer.fit_on_texts(output['text'].values)

X = tokenizer.texts_to_sequences(dataset1['text'])

X = pad_sequences(X)
from sklearn.preprocessing import LabelEncoder

Le = LabelEncoder()

y = Le.fit_transform(dataset1['sentiment'])
X_train, X_test, y_train, y_test = train_test_split(X,y, test_size = 0.15, random_state = 42)

model.fit(X_train, y_train,validation_data = (X_test,y_test),epochs = 10, batch_size=32)

错误文本：

纪元 1/10 -------------------------------------------------- ------------------------- ValueError Traceback（最近一次调用 最后）在 1 X_train, X_test, y_train, y_test = train_test_split(X,y, test_size = 0.15, random_state = 42) 2 ----> 3 model.fit(X_train, y_train,validation_data = (X_test,y_test),epochs = 10, batch_size=32)

~\anaconda3\lib\site-packages\tensorflow\python\keras\engine\training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split，validation_data，shuffle，class_weight， sample_weight，initial_epoch，steps_per_epoch，validation_steps， validation_batch_size，validation_freq，max_queue_size，工人， 使用_多处理）1098 _r=1）：1099
callbacks.on_train_batch_begin（步骤） -> 1100 tmp_logs = self.train_function(iterator) 1101 if data_handler.should_sync: 1102
context.async_wait()

~\anaconda3\lib\site-packages\tensorflow\python\eager\def_function.py 在调用（自我，*args，**kwds） 第826章 827 与 trace.Trace(self._name) 作为 tm: --> 828 结果 = self._call(*args, **kwds) 第829章 830 new_tracing_count = self.experimental_get_tracing_count()

~\anaconda3\lib\site-packages\tensorflow\python\eager\def_function.py 在 _call(self, *args, **kwds) 869 # 这是call的第一次调用，所以我们要初始化。 870 个初始化器 = [] --> 871 self._initialize(args, kwds, add_initializers_to=initializers) 最后872： 873 # 至此我们知道初始化完成（或更少

~\anaconda3\lib\site-packages\tensorflow\python\eager\def_function.py 在 _initialize(self, args, kwds, add_initializers_to) 第723章 第724章 --> 725 self._stateful_fn._get_concrete_function_internal_garbage_collected(

pylint: disable=protected-access

726             *args, **kwds))
727 

~\anaconda3\lib\site-packages\tensorflow\python\eager\function.py 在 _get_concrete_function_internal_garbage_collected(self, *args, **kwargs) 2967 args, kwargs = None, None 2968 with self._lock: -> 2969 graph_function, _ = self._maybe_define_function(args, kwargs) 2970 return graph_function 2971

~\anaconda3\lib\site-packages\tensorflow\python\eager\function.py 在 _maybe_define_function(self, args, kwargs) 3359 3360 self._function_cache.missed.add(call_context_key) -> 3361 graph_function = self._create_graph_function(args, kwargs) 3362 self._function_cache.primary[cache_key] = 图函数 3363

~\anaconda3\lib\site-packages\tensorflow\python\eager\function.py 在 _create_graph_function(self, args, kwargs, override_flat_arg_shapes) 3194 arg_names = base_arg_names + missing_arg_names 3195
图函数 = 具体函数（ -> 3196 func_graph_module.func_graph_from_py_func（3197 self._name，3198 self._python_function，

~\anaconda3\lib\site-packages\tensorflow\python\framework\func_graph.py 在 func_graph_from_py_func（名称，python_func，args，kwargs，签名， func_graph，签名，autograph_options，add_control_dependencies， arg_names、op_return_value、集合、capture_by_value、 override_flat_arg_shapes） 第988章 989 --> 990 func_outputs = python_func(*func_args, **func_kwargs) 991 992 # 不变量：func_outputs 只包含张量，复合张量，

~\anaconda3\lib\site-packages\tensorflow\python\eager\def_function.py 在 Wrapped_fn(*args, **kwds) 第632章 633 其他： --> 634 out = weak_wrapped_fn().wrapped(*args, **kwds) 635回归 636

~\anaconda3\lib\site-packages\tensorflow\python\framework\func_graph.py 在包装器中（*args，**kwargs） 975 例外为 e：# pylint:disable=broad-except 第976章 --> 977 引发 e.ag_error_metadata.to_exception(e) 978 其他： 第979章

ValueError：在用户代码中：

C:\Users\amal_\anaconda3\lib\site-packages\tensorflow\python\keras\engine\training.py:805

train_function * 返回 step_function（自我，迭代器） C:\Users\amal_\anaconda3\lib\site-packages\tensorflow\python\keras\engine\training.py:795 step_function ** 输出 = model.distribute_strategy.run(run_step, args=(data,)) C:\Users\amal_\anaconda3\lib\site-packages\tensorflow\python\distribute\distribute_lib.py:1259 跑步 return self.extended.call_for_each_replica(fn, args=args, kwargs=kwargs) C:\Users\amal\anaconda3\lib\site-packages\tensorflow\python\distribute\distribute_lib.py:2730 call_for_each_replica return self.call_for_each_replica(fn, args, kwargs) C:\Users\amal\anaconda3\lib\site-packages\tensorflow\python\distribute\distribute_lib.py:3417 call_for_each_replica 返回 fn(*args, **kwargs) C:\Users\amal\anaconda3\lib\site-packages\tensorflow\python\keras\engine\training.py:788 run_step ** 输出 = model.train_step（数据） C:\Users\amal_\anaconda3\lib\site-packages\tensorflow\python\keras\engine\training.py:755 train_step 损失 = self.compiled_loss( C:\Users\amal_\anaconda3\lib\site-packages\tensorflow\python\keras\engine\compile_utils.py:203 致电 loss_value = loss_obj(y_t, y_p, sample_weight=sw) C:\Users\amal_\anaconda3\lib\site-packages\tensorflow\python\keras\losses.py:152 致电 损失 = call_fn(y_true, y_pred) C:\Users\amal_\anaconda3\lib\site-packages\tensorflow\python\keras\losses.py:256 称呼 ** 返回 ag_fn(y_true, y_pred, **self.fn_kwargs) C:\Users\amal\anaconda3\lib\site-packages\tensorflow\python\util\dispatch.py​​:201 包装 返回目标（*args，**kwargs） C:\Users\amal_\anaconda3\lib\site-packages\tensorflow\python\keras\losses.py:1608 二元交叉熵 K.binary_crossentropy(y_true, y_pred, from_logits=from_logits), axis=-1) C:\Users\amal_\anaconda3\lib\site-packages\tensorflow\python\util\dispatch.py​​:201 包装 返回目标（*args，**kwargs） C:\Users\amal_\anaconda3\lib\site-packages\tensorflow\python\keras\backend.py:4979 二元交叉熵 返回 nn.sigmoid_cross_entropy_with_logits(labels=target, logits=output) C:\Users\amal_\anaconda3\lib\site-packages\tensorflow\python\util\dispatch.py​​:201 包装 返回目标（*args，**kwargs） C:\Users\amal_\anaconda3\lib\site-packages\tensorflow\python\ops\nn_impl.py:173 sigmoid_cross_entropy_with_logits

    raise ValueError("logits and labels must have the same shape (%s vs %s)" %

ValueError: logits and labels must have the same shape ((32, 2) vs (32, 1))

Answer 1

使用input_shape=[32, 18] 在第一层之前添加Flatten 层并从keras.layers 导入Flatten。嵌入层之前像这样：

model.add(Flatten(input_shape=[32, 18]))

Answer 2

model.add(LSTM(lstm_out, dropout=0.2, recurrent_dropout=0.2))

model.add(Flatten())

model.add(Dense(2,activation='softmax'))

你的暗淡不一样。就像@Anurag Dhadse 建议的那样，你也可以在这个地方添加一个扁平化。

当您建立模型时，您可以使用model.summary() 来查看您的输入形状或输出形状