为keras w tensorflow后端重塑张量的正确方法答案

【问题标题】：Correct way to reshape tensor for keras w tensorflow backend为keras w tensorflow后端重塑张量的正确方法
【发布时间】：2019-11-15 19:59:07
【问题描述】：

自从我做任何神经网络以来已经有一段时间了。我正在编写一个简单的示例作为热身，我很困惑为什么我的张量形状不正确。我认为模型是预期的（样本、高度、宽度、通道）。

当我打电话时

X_train.shape

我得到 (784, 100, 100, 3)

但是我得到一个错误：ValueError：检查目标时出错：预期dense_10 的形状为(2，)，但得到的数组的形状为(1，)

这是下面的简单模型。我哪里错了？需要转灰度吗？

#THE MODEL#
batch_size = 32
nb_classes = 2
nb_epoch = 2

img_rows =100
img_cols=100
img_channels = 3

model_input=Input(shape=(img_rows, img_cols,img_channels))

x = Convolution2D(32, 3, 3, border_mode='same')(model_input)
x = Activation('relu')(x)
x = Convolution2D(32, 3, 3)(x)
x = Activation('relu')(x)
x = MaxPooling2D(pool_size=(2, 2))(x)
x = Dropout(0.25)(x)
conv_out = Flatten()(x)

x1 = Dense(nb_classes, activation='softmax')(conv_out)


lst = [x1]

#model = Model(input=model_input, output=lst)
model = Model(input=model_input, output=lst) #I learned you can't use a sequential model for this type of prediction

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

model.fit(X_train, y_train, batch_size=batch_size, nb_epoch=nb_epoch, callbacks=[history],verbose=1)

在运行模型之前，我这样做了：

print('X_train shape:', X_train.shape)
print('y_train shape:', X_train.shape)
print(X_train.shape[0], 'train samples')
print(X_test.shape[0], 'test samples')

给出这个输出：

X_train shape: (784, 1, 100, 100, 3)
y_train shape: (784, 1, 100, 100, 3)
784 train samples
196 test samples

然后我重新塑造成这样：

X_test = X_test.reshape(X_test.shape[0], 100,100, 3)

X_train = X_train.astype('float32')
X_test = X_test.astype('float32')
X_train /= 255 #normalize our data values to the range [0, 1], 255 is the max value of X_train.max()
X_test /= 255

然后我得到这个 X_train 的形状

(784, 100, 100, 3)

数据是来自 kaggle 的彩色水果图片：https://www.kaggle.com/moltean/fruits

【问题讨论】：

我运行该代码就好了，错误一定在其他地方。
可以确认这段代码运行正常。

标签： python tensorflow keras reshape

【解决方案1】：

我的猜测是批量大小冲突。至于您共享的代码 sn-p 看起来应该可以正常工作。

但是X_train.shape 给我们的输出元组是 (784, 100, 100, 3)。在这种情况下，我会将输入初始化为：

model_input = Input(shape=(X_train.shape[0], img_rows, img_cols,img_channels))

注意：如果您想使用可变批量大小初始化输入，并在训练时动态设置值。干杯！

【讨论】：

batch_size 不太可能是问题所在。该错误未在其中任何地方提及 batch_size（即 784）。
是的，它可能是，很好的捕获。所以它可能是conv_out = Flatten()(x) 它的形状不匹配。你对这个@thushv89 有什么看法？
@Mahesh 当我按照您的建议初始化输入时，我收到此错误：ValueError：输入 0 与 conv2d_29 层不兼容：预期 ndim=4，发现 ndim=5。我可以提供任何其他信息吗？比如我是如何创建像素数组的？

【解决方案2】：

我是个白痴。错误是因为我没有编码我的 y_train。我以为我已经有了，但我没有。感谢所有提供帮助的人！

y_train=np_utils.to_categorical(y_train, n_class)
y_test=np_utils.to_categorical(y_test, n_class)

【讨论】：