我应该如何更改我的神经网络模型以适应最后一个密集（2，激活）层？答案

【问题标题】：How should I change my neural network model to make fit the last dense(2 ,activation) layer?我应该如何更改我的神经网络模型以适应最后一个密集（2，激活）层？
【发布时间】：2019-08-05 21:24:19
【问题描述】：

我正在使用 Keras 在神经网络方面迈出第一步。我只是尝试使用一个 1dconv 层，来自一个看起来正确的例子。我只更改输入值的形状以适合我的训练数据（2200,513）513 对应的特征，2200 的长度，如果我的训练数据对应于我的目标，我希望只有两个输出来设置。这就是模型：

模型总结：

Layer (type)                 Output Shape              Param #   
=================================================================
conv1d_37 (Conv1D)           (None, 2191, 500)         2565500   
_________________________________________________________________
conv1d_38 (Conv1D)           (None, 2182, 500)         2500500   
_________________________________________________________________
max_pooling1d_10 (MaxPooling (None, 727, 500)          0         
_________________________________________________________________
conv1d_39 (Conv1D)           (None, 718, 160)          800160    
_________________________________________________________________
conv1d_40 (Conv1D)           (None, 709, 160)          256160    
_________________________________________________________________
global_average_pooling1d_10  (None, 160)               0         
_________________________________________________________________
dense_10 (Dense)             (None, 2)                 322       
=================================================================
Total params: 6,122,642
Trainable params: 6,122,642
Non-trainable params: 0
_________________________________________________________________
None

当我训练数据时出现此错误，我的最后一层没有 (674197,) 的适当大小...我很困惑，有什么帮助吗？谢谢

我已经把最后一层改成了674197的大小，但这没有任何意义，并且训练在两个epoch后停止，没有改善。

model_m = Sequential()
model_m.add(Conv1D(500, 10, activation='relu', input_shape=(2200,513)))
model_m.add(Conv1D(500, 10, activation='relu'))
model_m.add(MaxPooling1D(3))
model_m.add(Conv1D(160, 10, activation='relu'))
model_m.add(Conv1D(160, 10, activation='relu'))
model_m.add(GlobalAveragePooling1D(data_format='channels_last'))
model_m.add(Dropout(0.5))
model_m.add()
model_m.add(Dense(2, activation='softmax'))

ValueError: Error when checking target: expected dense_10 to have shape (2,) but got array with shape (674197,)

我希望输出应该是 2，所以我想保持这个形状，我应该修改模型的某些部分，但是呢？

【问题讨论】：

问题出在数据中，错误是关于形状为 (674197,) 的目标，而 (2,) 是预期的。为什么你的标签有这种形状？ (674197,)
是的（我觉得很笨），事实上我使用了一些愚蠢的代码将标签的目标更改为向量，其形状为 674197 长度。现在已经解决了。

标签： python keras neural-network conv-neural-network softmax

【解决方案1】：

所以错误不是来自模型，而是来自将目标的标签字符串更改为某个向量的代码，丑陋的部分是这样的：

from keras.utils import to_categorical
listNumTarget=[int(la,32) for la   in label_target_list]
target=to_categorical(listNumTarget)

我没想到“to_categorical”函数的这种行为，但似乎这个函数输出是只有“0”和只有一个“1”的向量，它还期望标签都存在于从 0 到您传递给函数的最大数量。因此，即使列表中的标签很少，输出长度也是您传递给它的数字的最大值。

【讨论】：