神经网络输入形状错误

Question

我是 keras 的初学者，我正在尝试使用神经网络对数据进行分类。

   x_train = x_train.reshape(1,x_train.shape[0],window,5)
   x_val = x_val.reshape(1,x_val.shape[0],window,5)

   x_train = x_train.astype('float32')
   x_val = x_val.astype('float32')

   model = Sequential()

   model.add(Dense(64,activation='relu',input_shape= (data_dim,window,5)))
   model.add(Dropout(0.5))

   model.add(Dense(64,activation='relu'))
   model.add(Dropout(0.5))
   model.add(Dense(2,activation='softmax'))

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

   weights = model.get_weights()


   model_info = model.fit(x_train, y_train,batch_size=batchsize, nb_epoch=15,verbose=1,validation_data=(x_val, y_val))

  print x_train.shape
  #(1,1600,45,5)

  print y_train.shape
  #(1600,2)

这个脚本总是有这个错误，我不明白为什么：

 ValueError: Error when checking target: expected dense_3 to have 4 dimensions, but got array with shape (16000, 2)

Answer 1

您的模型的输出（dense_3，之所以这样命名，是因为它是第三个 Dense 层）有四个维度。但是，您尝试将其与 (y_train) 进行比较的标签只有两个维度。您将需要更改网络架构，以便您的模型重塑数据以匹配标签。

刚开始时很难跟踪张量形状，因此我建议在调用 model.fit 之前先调用 plot_model(model, to_file='model.png', show_shapes=True)。您可以查看生成的 PNG 以了解图层对数据形状的影响。