Keras 分类器模型输出层中的数组不匹配答案

【问题标题】：Array mismatch in Keras classifier model output layerKeras 分类器模型输出层中的数组不匹配
【发布时间】：2021-03-21 18:59:27
【问题描述】：

我正在设计一个分类器，它在输入处接受 10 个值 - 信号（通过处理 MNIST 数据集的像素，标准化 0-1 获得），并输出数字类别。 10 值信号对于每个数字都是唯一的，因此可以进行分类。

num_classes=10
y_train=to_categorical(y_train,num_classes)
y_test=to_categorical(y_test,num_classes)


x_train=(60000,10,1,1)
y_train=(60000,10)
x_test=(10000,10,1,1)
y_test=(10000,10)

代码如下

input_img = Input(shape=(10,1,1))
x = Flatten()(input_img)
x = Dense(100, activation='relu')(x)
x = Dense(100, activation='relu')(x)
decoded = Dense(10, activation='softmax')(x)


autoencoder=Model(input_img,decoded)

autoencoder.compile(optimizer='adam',loss='categorical_crossentropy',metrics=['accuracy'])

history=autoencoder.fit(x_train, y_train,
                epochs=30,
                batch_size=32, 
                verbose=1,
                shuffle=True,
                validation_data=(x_test, y_test))

请建议可以进行哪些更改。

【问题讨论】：

y_train 在适合之前有什么形状？ y_train=(60000,10)这个？或者你把这个发给y_train = to_categorical(y_train, num_classes)，然后喂到合适的位置？
y_train 在应用 to_cat 后具有形状 (60000,10) 并发送到 fit
这可能是你使用了错误的损失函数。当您制作 one-hot 编码向量时，请使用 categorical_cross_entropy 损失函数。
同意@M.Innat。见categoricalcrossentropy和sparsecategoricalcrossentropy

标签： python-3.x tensorflow machine-learning keras neural-network

【解决方案1】：

我认为您可能应该使用tf.keras.losses.CategoricalCrossentropy 损失函数，因为您使用to_categorical 将目标编码为一个热向量。根据doc：

当有两个或多个标签类别时，使用此交叉熵损失函数。我们希望以 one_hot 表示形式提供标签。如果您想提供整数形式的标签，请使用SparseCategoricalCrossentropy loss。

但是，IMO，没有可复现的代码，给出一个具体的答案真的很雄心勃勃。

【讨论】：

感谢您的帮助，该程序确实有效，但似乎是一个培训问题。我提供了 x_test 和 x_train 文件的链接，并且 y_train y_test 可以由我发布的可重现代码获取和处理。你能建议缺少什么
训练损失在增加，从原始帖子中的跟踪可以看出
如果您当前的问题得到解决，最好提出一个新问题。因为你在解决当前问题后可能会遇到一个新问题，这也是你之前问题的一个新问题。讨论不会得出结论。