ValueError：检查目标时出错：预期dense_2的形状为（2，），但数组的形状为（75，）

Question

model = Sequential()
model.add(TimeDistributed(Conv2D(64, (3, 3), activation='relu'),input_shape=(10, 255, 255,1)))
model.add(TimeDistributed(Conv2D(64, (3, 3), activation='relu')))
model.add(TimeDistributed(Flatten()))
model.add(LSTM(10, activation='relu', return_sequences=False))
model.add(Dense(1024, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(2, activation='sigmoid'))
model.compile('adam', loss='categorical_crossentropy')

model.fit(train_dataset_new, train_labels,
                                    epochs=25,
                                    batch_size=10,
                                   validation_data=(validation_dataset_new,validation_labels))
                                    

你好，

我在手头的主题上苦苦挣扎。 我将从我的目标开始：

我想用一系列图像（视频）训练以下模型 - 准确地说是 10 个。

我的逻辑： 为此，我创建了一个视频数据库并将每个视频中的 10 帧提取到一个 np.array 对象中。每个帧的大小为 (255,255) 且为灰度。 总结：输入形状为(255,255,1)。

我确定我遗漏了有关 TimeDistribution 层\LSTM 层的一些内容，并且在我寻找的任何来源上都找不到解决方案（并且我已经尝试过）

我已经调试了代码并验证了以下内容：

train_dataset_new = (75,10,255,255,1) #（75是我拥有的火车视频数量） validation_dataset_new = (19,10,255,255,1) #（19是我拥有的火车视频数量）

我对这个问题的理解： 如标题中所述，我的 Dense 层期望输入大小，但我将整个示例域 (75) 输入到我的网络中，我无法确定我是否适合错误或我的模型架构错误（我想请注意，这是我在网上找到的一个基本架构，只是用来探索这个主题）

很高兴获得有关此事的任何帮助\方向。 如果需要更多数据，请告知我是这个论坛的新手。

干杯！

Answer 1

查看目标标签的形状。当使用（随机生成的）形状为(75,10,255,255,1) 的训练数据和形状为(75,2) 的目标标签运行您的代码时，它似乎对我有用，使用 TF2.2 和 Keras 2.4.3。该错误可能只是说网络的输出和目标标签形状不匹配，但我必须说如果是这样，这不是一个非常明确的错误消息。