python - TensorFlow/Keras : shape error on output layer

Question

我已经在互联网上搜索了几天，试图找到此错误的解决方案，但我找不到特别适用的:

ValueError: Error when checking target: expected dense_2 to have shape (300,) but got array with shape (60,)

这是生成错误的代码(数据预处理除外):

model = keras.Sequential([
keras.layers.Conv1D(5,input_shape=(1,60), kernel_size=12, padding='same'), 
keras.layers.Conv1D(10, padding='same',activation=tf.nn.relu, kernel_size=10),
keras.layers.Conv1D(20, padding='same',activation=tf.nn.relu, kernel_size=6),
keras.layers.Conv1D(30, padding='same',activation=tf.nn.relu, kernel_size=5),
keras.layers.Flatten(),
keras.layers.Dense(70, activation="relu"),
keras.layers.Dense(300,activation="tanh")
])
model.compile(optimizer=tf.train.AdamOptimizer(0.001),
loss='mse',
metrics=['mae'])
model.fit(traindata,trainlabels, epochs=10, batch_size=int(len(traindata)/60))

我不太确定导致此错误的原因，但我做了一些故障排除以尝试缩小可能性。

我尝试的第一件事是尝试运行 TensorFlow 网站上的一个示例，我选择了位于 here 的 MNIST 时尚示例.

它运行时没有错误，并且训练得很好，所以我不认为这是我的 TensorFlow 或 Python 下载中的错误。

然后，我尝试复制 MNIST 时尚示例中使用的模型来测试我的模型中是否存在错误。这是代码:

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(60,)),
    keras.layers.Dense(128, activation=tf.nn.relu),
    keras.layers.Dense(10, activation=tf.nn.softmax)
])
model.compile(optimizer=tf.train.AdamOptimizer(),
loss = 'sparse_categorical_cross_entropy',
metrics = ['accuracy']
)

我对模型所做的唯一更改是第一层的输入形状，这样它就能够接收我的数据。但是错误仍然存​​在:

ValueError: Error when checking target: expected dense_1 to have shape (10,) but got array with shape (60,)

我尝试的最后一件事是制作自己的密集模型，该模型将采用通过np.random.random创建的虚拟数据。

这是整个文件:

import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt

data = np.random.random((50,60))
datalabels = np.random.random((50,60))
model = keras.Sequential([
keras.layers.Dense(128,input_shape=(60,), activation="relu"),
keras.layers.Dense(50, activation="relu"),
keras.layers.Dense(10, activation="tanh")

])
model.compile(optimizer=tf.train.AdamOptimizer(),
loss="mae",
metrics=['mse'])

model.fit(data, datalabels, epochs=5, batch_size=10)

这也收到了错误，我很困惑为什么，但我认为这可能与我的虚拟数据的生成有关

ValueError: Error when checking target: expected dense_2 to have shape (10,) but got array with shape (60,)

如果有帮助的话，我打印了最后一个模型的所有图层及其输入和输出形状:

Layer: dense
    input_shape: (None, 60)
    output_shape: (None, 128)
Layer: dense_1
    input_shape: (None, 128)
    output_shape: (None, 50)
Layer: dense_2
    input_shape: (None, 50)
    output_shape: (None, 10)

这个错误最让我困惑的是它只在输出层上出现错误。如果我在模型的末尾添加另一层，该层将出错，除非输出层中的单元数等于模型输入的形状(例如:使用 input_shape=(60,) 最后一层单元的数量等于 60)。有谁知道为什么会发生这种情况？

Answer 1

使用model.summary()，您将看到每层的输出形状。在您提供的第一个示例中，最后一层的输出形状(也是模型的输出形状)为(None, 300)。这意味着它期望形状为 (300,) 的标签(即每个标签的形状)。但是，您在调用 fit 时向模型提供的标签数组(即 trainlabels)似乎具有 (num_samples, 60) 的形状。然而，它必须与模型的输出形状一致，因此形状为(num_samples, 300)。同样的事情也适用于你提到的所有其他失败的例子。