python - keras sparse_categorical_crossentropy 损失函数输出形状不匹配

Question

我有一个包含 3570 个标签的数据集。当我使用 sparse_categorical_crossentropy 作为损失函数时，输出形状不匹配。

model = Sequential()
model.add(Dense(1024, input_dim=79, activation='relu'))
model.add(Dense(2048, activation='relu'))
model.add(Dense(3570, activation='sigmoid'))

model.compile(loss='sparse_categorical_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])
model.fit(x_train, y_train,
          epochs=10,
          batch_size=1,
          validation_data=(x_valid, y_valid))

输出是ValueError:检查模型目标时出错:预期 dense_42 具有形状 (None, 1) 但得到形状为 (1055, 3570) 的数组

然后我找到这个issue#2444并使用 np.expand_dims(y, -1) 更改代码。但是仍然有错误。

model = Sequential()
model.add(Dense(1024, input_dim=79, activation='relu'))
model.add(Dense(2048, activation='relu'))
model.add(Dense(3570, activation='sigmoid'))

model.compile(loss='sparse_categorical_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])
model.fit(x_train, np.expand_dims(y_train, -1),
          epochs=10,
          batch_size=1,
          validation_data=(x_valid, np.expand_dims(y_valid, -1)))

错误ValueError:检查模型目标时出错:预期 dense_45 具有 2 个维度，但得到形状为 (1055, 3570, 1) 的数组

我应该如何更改代码？

Answer 1

loss='sparse_categorical_crossentropy' 不适用于单热编码，而是整数目标。您可能需要一个“Dense(...”作为输出层并直接使用 y_train。