python - keras - 使用 lambda 层时如何避免尺寸错误

Question

我在tensorflow上使用python和keras，并尝试使用lambda层，并且不断出现相同的错误，我检查了模型的摘要，一切似乎都正常。仅在训练时才会出现该错误。

from keras.datasets import mnist 
from keras.layers import Dense, Input, concatenate,subtract, Lambda
from keras.losses import binary_crossentropy
from keras.optimizers import SGD

(train_x, train_y), (test_x, test_y) = mnist.load_data()
train_x = (train_x / 255.0).reshape(-1, 28*28) 
test_x = (test_x / 255.0).reshape(-1, 28*28)

inp1 = Input(shape=(28*28,))
inp2 = Input(shape=(28*28,))

l1 = Dense(100, activation="relu")
a1 = l1(inp1)
a2 = l1(inp2)
l2 = Dense(100, activation="relu")
b1 = l2(a1)
b2 = l2(a2)
output = Lambda(lambda inputs: inputs[0]-inputs[1], output_shape=(100,))([b1, b2])
model = Model([inp1, inp2], [output])
model.compile(loss=binary_crossentropy, optimizer=SGD())

y = train_y[:1]
model.fit([train_x[:1], train_x[:1]], y)

我收到此错误

Error when checking target: expected lambda_13 to have shape (100,) but got array with shape (1,)

当对相同数据使用model.predict时，它的预测没有任何错误。这里有什么问题呢？谢谢

Answer 1

问题是您期望模型以 (100,) 的形状进行预测，并且您正在尝试拟合形状为 (1,) 的数据。这里，如果你想使用当前的 y，output_shape=(100,) 应该是 1。

如果您想对形状为 (1,) 的输出进行数字分类，那么还有一件事。您还需要将 model.compile(loss=binary_crossentropy, optimizationr=SGD()) 更改为 model.compile(loss=sparse_categorical_crossentropy, optimizationr=SGD())。有关 sparse_categorical_crossentropy 的更多信息，您可以查看 keras documentation 。你可以找到here categorical_crossentropy 和 sparse_categorical_crossentropy 之间的区别。