python - tensorflow /Keras : model's output layer expects different input shape than what it recieved

Question

几天来我一直在寻找这个问题的答案，但我在互联网上找不到的任何内容似乎都特别适用于我遇到的错误:

ValueError: Error when checking target: expected dense_1 to have shape (1, 300) but got array with shape (1, 60)

这是我正在使用的模型:

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.Dense(70, activation=tf.nn.relu),
keras.layers.Dense(300,activation="tanh")
]) 
model.compile(optimizer=tf.train.AdamOptimizer(0.001),
loss='mse',
metrics=['mae'])

我能够获得网络列车的唯一方法是将输出层中的节点数(在本例中是错误消息中的 dend_1)设置为等于 60，即我的模型为其输入所采用的值的数量.

我还通过完全连接的模型运行了这些数据，其中发生了相同的结果，如果输出中的节点数不是 60，则会出现错误。

我尝试通过在tensorflow网站上运行mnist时尚分类示例来进行故障排除，看看是否是我的tensorflow或python版本导致了问题，但是它运行时没有错误，并且训练得很好。

然后，我用 mnist 时尚示例中使用的模型替换了我的模型，除了将输入形状更改为 (60,)，因为我的数据是一维的，并且我得到了完全相同的错误:

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

除了这一次，它显示了输入形状的轻微变化，因为第一个错误发生在使用 Conv1D 进行输入的模型中。

所有这些让我相信错误存在于我的数据中，因为我非常有信心这不是我的模型的错误，因为它发生在多个不同的模型中。

Answer 1

您需要添加 Flatten 层，以便将来自 Conv1D 层的数据展平为 Dense 层。

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(), # This layer should be added
keras.layers.Dense(70, activation=tf.nn.relu),
keras.layers.Dense(300,activation="tanh")
]) 
model.compile(optimizer=tf.train.AdamOptimizer(0.001),
loss='mse',
metrics=['mae'])