【问题标题】:how can I overcome "ValueError: Shapes (None, 1) and (None, 7) are incompatible"我该如何克服“ValueError:形状(无,1)和(无,7)不兼容”
【发布时间】:2020-06-02 09:06:06
【问题描述】:

我是 Keras 和 CNN 的新手。我正在做一个任务来构建一个用于预测面部情绪的 CNN。我根据分配构建了模型,但在编译模型时我得到“ValueError:Shapes (None, 1) and (None, 7) are incompatible”。有人可以帮我解决这个问题吗?

在下面粘贴我的代码以供参考:

'''

model = Sequential()

model.add(Conv2D(filters = 64, kernel_size = 5,input_shape = (48,48,1)))
model.add(Conv2D(filters=64, kernel_size=5,strides=(1, 1), padding='valid'))
model.add(BatchNormalization())
model.add(MaxPooling2D(pool_size=(2,2),strides=1, padding='valid'))
model.add(Activation('relu'))

model.add(Conv2D(filters = 128, kernel_size = 5))
model.add(Conv2D(filters = 128, kernel_size=5))
model.add(BatchNormalization())
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Activation('relu'))

model.add(Conv2D(filters = 256, kernel_size = 5))
model.add(Conv2D(filters = 256, kernel_size=5))
model.add(BatchNormalization())
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Activation('relu'))

model.add(Flatten())
model.add(Dense(128))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(Dropout(0.25))
model.add(Dense(7,activation='softmax'))

''' '然后尝试编译' '''

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
history = model.fit(input_array, output_array, batch_size = 64, epochs= 20, validation_split=0.10,)

''' '这给出了错误' 'ValueError:形状(无,1)和(无,7)不兼容' '我正在为此使用 google colab'

【问题讨论】:

  • input_array和output_array的形状是什么。还要编辑您的文本并将整个错误回溯。
  • 我认为最好给我们完整的回溯:)
  • 您可能正在尝试使用数字类标签而不是 one-hot encoded labels,但如果没有更多信息,您无法确定。

标签: python tensorflow keras-layer


【解决方案1】:

您很可能使用稀疏编码的标签,例如 [0,1,2,3,4,5,6],而不是单热编码形式。

您的解决方案是从以下选项之一中进行选择:

  1. 使用 one-hot-encoded 形式,即将每个标签转换为长度 == number_of_classes 的数组。也就是说,对于 0,您将拥有 [1,0,0,0,0,0,0],对于 1,您将拥有 [0,1,0,0,0,0,0] 等。
  2. 使用sparse_categorical_crossentropy。如果您使用此损失函数,OHE 步骤将在幕后完成,您不再需要处理输入训练 + 验证标签。

【讨论】:

  • 非常感谢卡林。这有帮助
【解决方案2】:

如果您对 [0, 0, 0, 0, 0, 0, 1] 之类的标签使用 one-hot-encoded,则需要使用 categorical_crossentropy 但如果您使用 [1, 2, 3, 4, 5, 6, 7] 之类的稀疏标签,则需要使用 sparse_categorical_crossentropy。

【讨论】:

  • 感谢您的帮助。我在我的 Y 数组上做了 to_categorical 并解决了问题。
猜你喜欢
  • 1970-01-01
  • 1970-01-01
  • 2021-02-23
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2020-11-05
  • 2020-08-27
  • 2021-09-24
相关资源
最近更新 更多