我正在尝试准备一个模型,该模型采用形状为 56x56 像素和 3 个通道的输入图像:(56, 56, 3)。输出应该是一个包含 216 个数字的数组。我重用了来自数字识别器的代码并对其进行了一些修改:model = Sequential()model.add(Conv2D(filters = 32, kernel_size = (5,5),padding = 'Same', activation ='relu', input_shape = (56,56,3)))model.add(Conv2D(filters = 32, kernel_size = (5,5),padding = 'Same', activation ='relu'))model.add(MaxPool2D(pool_size=(2,2)))model.add(Dropout(0.25))model.add(Conv2D(filters = 64, kernel_size = (3,3),padding = 'Same', activation ='relu'))model.add(Conv2D(filters = 64, kernel_size = (3,3),padding = 'Same', activation ='relu'))model.add(MaxPool2D(pool_size=(2,2), strides=(2,2)))model.add(Dropout(0.25))model.add(Flatten())model.add(Dense(256, activation = "relu"))model.add(Dropout(0.5))model.add(Dense(216, activation = "linear"))from tensorflow.python.keras.losses import categorical_crossentropymodel.compile(loss = categorical_crossentropy, optimizer = "adam", metrics = ['accuracy'])这给了我一个错误:ValueError: Error when checking target: expected dense_1 to have shape (216,) but got array with shape (72,)我知道如何编码分类器模型但不获取数组作为输出,所以可能我没有在最后一个 Dense 层中设置正确的形状。我不知道它应该是 1 还是 216。我在这篇文章中读到问题可能是损失函数,但我不确定我应该使用什么其他损失函数。
2 回答

ABOUTYOU
TA贡献1812条经验 获得超5个赞
正如您所看到的,您给定的输入是input_shape = (56,56,3)
.
现在你当前的数据形状是56。
应用32的过滤器后,您的数据形状为72。
这行代码你的密集层有 256 节点,这意味着(你的密集是从数组接收256输入但得到72)
model.add(Dense(256, activation = "relu"))
您可以更改过滤器形状或将256更改为72。
我希望这对你有用。

慕的地10843
TA贡献1785条经验 获得超8个赞
最后一层应该与你的目标类具有相同的形状
改变
model.add(Dense(216, activation = "linear"))
到
model.add(Dense(72, activation = "linear"))
添加回答
举报
0/150
提交
取消