将 Conv2DNet 的输出形状与预期张量相匹配答案

【问题标题】：Stuck matching output shape of Conv2DNet to expected tensor将 Conv2DNet 的输出形状与预期张量相匹配
【发布时间】：2018-08-30 00:03:43
【问题描述】：

我正在尝试在 Keras 中实现 here 提供的模型。我或多或少认为 Keras 模型相当于：

inputShape = (32, 640, 3)

model = Sequential()
model.add(Conv2D(NC//2, kernel_size=(4,4), strides=(2,2), kernel_regularizer=regularizers.l2(1e-5), activation='relu', padding='same', input_shape=inputShape))
model.add(Conv2D(NC, kernel_size=(4,4), strides=(2,1), activation='relu', kernel_regularizer=regularizers.l2(1e-5), padding='same'))
model.add(Conv2D(NC, kernel_size=(8,5), strides=(8,5), activation='relu', kernel_regularizer=regularizers.l2(1e-5), padding='same'))
model.add(Reshape((-1, MAX_CHAR, NC)))

训练数据由 5000 张 32x640 随机生成的字符串图像组成，并被分成两个数组，输入 A 和输出 Y。 A 是图像矩阵 (NIMG, Height, Width, Channel)。 Y 是字符矩阵(NIMG, MAX_CHAR)。

MAX_CHAR 是图像中的最大字符数，在本例中为 64。NC 是可能的不同字符数，在本例中为 63。

问题是，当我运行 model.fit(A, Y) 时，我得到：

ValueError: Error when checking target: expected reshape_1 to have 4 dimensions, but got array with shape (5001, 64)

这是有道理的，看看博客文章中的说法：

目标矩阵是具有三个维度的 3D 矩阵分别对应sample、character、1-hot encoding。

我尝试过model.Flatten()，但这给我留下了(4032,) 的形状，比训练数据中的64 个字符大得多。我也尝试过使用 Reshape 向量值，但无济于事。

所以我的问题是：我做错了什么吗？有什么我从根本上误解的东西，还是有一个我似乎无法想到/找到的解决方案？

【问题讨论】：

正如博文中所述，Y 应该是形状为(NIMG, MAX_CHAR, NC) 而不是(NIMG, MAX_CHAR) 的3D 矩阵。您需要对 Y 中的字符进行 one-hot 编码。
你是对的，谢谢。我对盲目复制代码不利。现在开始工作了

标签： python machine-learning keras conv-neural-network

【解决方案1】：

显然，如 cmets 中所述，单热编码标签（即Y）解决了该问题。

注意：此答案作为社区 wiki 发布，如 accepted answer of "Question with no answers, but issue solved in the comments (or extended in chat)" 中所建议的那样。

【讨论】：