ValueError：检查目标时出错：预期的 dense_2 有 4 个维度，但得到了形状为 (7942, 1) 的数组答案

【问题标题】：ValueError: Error when checking target: expected dense_2 to have 4 dimensions, but got array with shape (7942, 1)ValueError：检查目标时出错：预期的 dense_2 有 4 个维度，但得到了形状为 (7942, 1) 的数组
【发布时间】：2018-04-13 12:25:20
【问题描述】：

我一直在使用以下功能性 API 进行使用 CNN 的图像分类任务：

def create_model(X_train, X_test):

    visible = Input(shape=(X_train.shape[0], X_train.shape[1], 1))
    conv1 = Conv2D(32, kernel_size=4, activation='relu')(visible)
    hidden1 = Dense(10, activation='relu')(pool2)
    output = Dense(1, activation='sigmoid')(hidden1)

    model = Model(inputs = visible, outputs = output)

    model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

    return model

X_tr = np.reshape(X_train, (1,X_train.shape[0], X_train.shape[1], 1))
X_te = np.reshape(X_test, (1,X_test.shape[0],  X_test.shape[1], 1))

model = create_model(X_train, X_test)

model.fit(X_tr, y_train, validation_split = 0.1, batch_size=10, epochs=10, verbose = 1, callbacks=[EarlyStopping(patience=5,verbose=1)])

其中，X_train 是 7942*6400 维列表，y_train 是具有相应 7942 个标签的一维列表。

错误：

ValueError：检查目标时出错：预期 dense_2 有 4 尺寸，但得到形状为 (7942, 1) 的数组

我是函数式 API 的新手，这里可能出了什么问题？

【问题讨论】：

如果X_train包含图片，那么这6400个值在图片中是如何分布的？什么是高度、宽度和通道？
我正在从 csv 文件中读取特征值；每行包含 6400 个像素及其对应的标签；因此，我正在考虑的（高度、宽度、通道）是 (1, 6400, 1)。
这行不通。如果它们是图像，它们就是 2D，例如 (800,800,1)。
是的，它们最初是 80x80 图像，但我在 csv 文件中以一维数组的形式列出了所有像素强度值。还是不行吗？

标签： python keras conv-neural-network convolution valueerror

【解决方案1】：

消息说y_train 与模型的输出不兼容。

您的模型正在输出(None, width, height, 1)。您应该在卷积之后添加一个Flatten() 层，以使数据从此时起只有 2 个维度。

其他 cmets：

输入数据的形状必须与模型兼容。

X_train的形状必须是(7942,80,80,1)
模型的input_shape必须是(80,80,1)

如果您使用(1,6400, 1) 形状，您的Conv2D 图层将毫无用处，因为它无法将数据解释为二维图像。

【讨论】：