python - Keras - CNN 输入形状不兼容-6ren

python - Keras - CNN 输入形状不兼容

转载作者：行者123 更新时间：2023-12-01 01:28:35

我正在研究二进制分类，当我使用 CNN 时，我的代码在 Keras Lstm 上运行良好，但出现输入形状不兼容错误。

这是我得到的值错误

ValueError:检查目标时出错:期望dense_61具有3个维度，但得到形状为(24, 1)的数组

这是我使用 keras 的 cnn 代码

model=Sequential()
inputBatch = inputBatch.reshape(24,30, 1)
model.add(Conv1D(64, 3, activation='relu', input_shape=(30, 1)))
model.add(Conv1D(64, 3, activation='relu'))
model.add(MaxPooling1D(pool_size=4,strides=None, padding='valid'))
model.add(Conv1D(128, 3, activation='relu'))
model.add(Conv1D(128, 3, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])
model.fit(inputBatch,ponlabel,batch_size=24,epochs=20,validation_data=(inputBatch, ponlabel))

我正在研究二元分类，要么是正的，要么是负的

作为引用，这是我的 lstm 代码

inputBatch =inputBatch.reshape(24,30,1)
model=Sequential()
model.add(LSTM(50, input_shape=(30, 1)))
model.add(Dense(1, activation="relu"))
model.compile(loss='mean_absolute_error',optimizer='adam')
model.fit(inputBatch,ponlabel,batch_size=24,epochs=100,verbose=1)

inputBatch 是这样的，它适用于 LSTM 代码，但不适用于 CNN，这是我分别用于训练这两个代码的输入

[[    0.  1288.  1288.  2214. 11266.  6923.   420.     0.     0.  8123.
      0.  7619.     0.     0.     0.     0.     0.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
 [    0.     0.     0.     0.     0.     0. 11516.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
 [    0.  9929. 11501.  6573. 11266.  7566.  9963.  4420. 10936.  3657.
   7050.     0.   408. 11501.  9988.  9963.  8455.  2879.  9322.  2047.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
 [    0. 11956.  5222.     0.     0. 12106.  6481.     0.  7093. 13756.
  12152.     0.     0.     0.     0. 10173.     0.  5173. 13756.  9371.
      0.  9956.     0.     0.  9716.     0.     0.     0.     0.     0.]
 [    0.     0.   420.     0.     0.     0.     0.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
 [    0. 11501.  1916.  2073. 10936.  6312.     0. 10193. 10322.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
 [    0.  2879.  7852. 11501.  1934.   286. 11483.     0. 12004. 11118.
      0. 12007.  9917. 12111.  1520. 10364.     0.  8840.  4195.  2910.
  10773. 11386. 12117.  9321.     0.     0.     0.     0.     0.     0.]
 [    0.  7885.  7171.  1034. 11501.  3103.  5842.  4395. 11871.  3328.
   6719.  5407.  1087.  8935.  2937.     0.     0.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
 [    0.  8894.   450. 11516.  7353. 11501. 11502. 11499.     0.  1319.
  11693. 11501.  5735. 12111.     0.     0.     0.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
 [    0.  1087.  9565.    23.     0.  3045.     0.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
 [    0.  5015. 11501.  3306. 12111.  9307.  5050. 11501.  3306.     0.
   3306. 12111.  1981. 11516.   615. 11516.     0.  3925. 11956.  9371.
   9013.  4395. 12111.  5048.     0.  3925.     0.     0.     0.     0.]
 [    0.  1287.   420.  4070. 11087.  7410. 12186.  2387. 12111.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
 [    0.   128.  2073. 10936.  6312.     0. 10193. 10322.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
 [    0. 10173.  9435.  1320.  9322. 12018.  1055.  8840.  6684. 12051.
   2879.     0. 12018.     0.     0.     0.     0.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
 [    0.  1570.  5466.  9322.    34. 11480.  1356. 11270.   420.  2153.
  12006.  5157.  8840.  1055. 11516.  7387.  2356.  2163.  2879.  5541.
   9443.  7441.  1295.  5473.     0.     0.     0.     0.     0.     0.]
 [    0.  5014.     0.     0.  3651.  1087.    63.  6153.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
 [    0. 10608. 10855.  9562.     0.     0.     0.  4202.     0.     0.
      0. 10818. 10818.  5842.     0.  9963.     0. 11516. 10464.  7491.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
 [    0.  5952.  6133.   450.  7520.  5842.  3412. 10400.  3412.  2149.
   4891.  2979.  3456.   505.  9929. 11501.  9322.  1836. 11501. 12111.
   3435. 11105. 11266.   420.  9322.    34.     0.     0.     0.     0.]
 [    0.  1570.  5466.  9322.    34. 11480.  1356. 11270.   420.  2153.
  12006.  5157.  8840.  1055. 11516.  7387.  2356.  2163.  2879.  5541.
   9443.  7441.  1295.  5473.     0.     0.     0.     0.     0.     0.]
 [    0.  7544.     0.  1709.   420. 10936.  5222.  5842. 10407.  6937.
  11329.  2937.     0.     0.     0.     0.     0.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
 [    0.  7785.  8840.     0.   420.  8603. 12003.  2879.  1087.  2356.
   2390. 12111.     0.     0.     0.     0.     0.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
 [    0.  8695.  8744.   420.  8840.  6697.  9267. 11516. 11203.  2260.
   8840.  7309.     0. 11100.  6041.     0.     0.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
 [    0.  9307. 12003.  2879.  6398.  9372.  4614.  5222.     0.     0.
   2879. 10364.  6923.  4709.  4860. 11871.     0.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]
 [    0.     0.  2844.  1287.   420. 11501.   610. 11501.   596.     0.
  12111.  3690.  6343.  9963.     0.     0.  8840.     0.     0.     0.
      0.     0.     0.     0.     0.     0.     0.     0.     0.     0.]]

最佳答案

问题是输出形状，因为您使用 CNN，输出是 3D(样本、宽度、 channel )，并且 Dense 层将在最后一个维度上运行，为您提供 3D 输出。但你想要一个 2D 输出，所以你需要添加一个 Flatten 层:

model=Sequential()
model.add(Conv1D(64, 3, activation='relu', input_shape=(30, 1)))
model.add(Conv1D(64, 3, activation='relu'))
model.add(MaxPooling1D(pool_size=4,strides=None, padding='valid'))
model.add(Conv1D(128, 3, activation='relu'))
model.add(Conv1D(128, 3, activation='relu'))
model.add(Dropout(0.5))
model.add(Flatten())
model.add(Dense(1, activation='sigmoid'))

您可以通过执行model.summary()来比较该模型和原始模型的输出形状

关于python - Keras - CNN 输入形状不兼容，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/53119432/

文章推荐： python - pygame 意外显示的曲面

文章推荐： python - 在查询字典中包含连接的表列

文章推荐： jquery - Colorbox - 如何设置数据属性以使用 POST 而不是 GET

python - Tensorflow Assign 要求两个张量的形状匹配。 lhs 形状= [20] rhs 形状= [48]
我是 TensorFlow 菜鸟。我已经从 deeppose 的开源实现中训练了一个 TensorFlow 模型，现在必须针对一组新图像运行该模型。该模型是在大小为 100 * 100 的图像上训练
形状=圆形的节点的大小
我正在尝试以这种方式设置节点的大小: controller[shape=circle,width=.5,label="Controller",style=filled,fillcolor="#8EC1
excel - 如何在选择中的每个单元格周围添加文本框/形状？
是否有 VBA 代码可以在选择的每个单元格周围添加文本框。文本框应该是单元格的大小(类似于边框)？最佳答案您可以使用 .AddTextbox方法。循环遍历您选择的单元格，并使用单元格的尺寸属性来设
平铺张量的 tensorflow 形状
我有一个变量 a尺寸 (1, 5) 我想“平铺”的次数与我的小批量的大小一样多。例如，如果小批量大小为 32，那么我想构造一个张量 c维度为 (32, 5)，其中每一行的值与原始 (1, 5) 变量
java - 在JavaFX中指定时间显示文本/形状
我在使用 javaFX 时遇到问题。我想每 1000 毫秒在应用程序窗口中显示一次时间。 public class Main extends Application { StackPane root
单击时的 JavaFX 形状
所以我目前正在创建这个 API。这个登录类应该只创建一个场景，其中包含制作 GUI 所需的所有框。我遇到的问题是，单击时我的形状不会执行任何操作。我有事件监听器，但它不起作用。 import
python turtle 形状
我正在用 python turtle 画一些东西，我使用了形状函数，但是形状 overdraw 了它们之前的其他形状(我可以看到形状在移动)，并且我只得到了最后一个形状: `up() goto(-20
python - 如何将选定的数据转换为相同的长度(形状)
我正在读取多个 .csv 文件作为具有相同形状的 panda DataFrame。对于某些索引，某些值为零，因此我想选择具有相同形状的每个索引的值，并为相同的索引放置零值并删除零以成为相同的形状: a
c# - 查找周长上的点以表示边界/形状
我有一个简单的二维网格，格式为 myGrid[x,y] 我正在尝试找到一种方法来找到围绕选定网格的周长，这样我就有了一个可供选择的形状。这是我的意思的一个例子: 这里的想法是找到所有相关的“角”，也
swift - 根据路径更改响应模型/形状
我有一个网络层，用于调用多个端点。我想减少重复代码的数量，并认为也许我可以将响应模型作为端点的一部分传递。这个想法是不需要多个仅因响应而不同的函数，我可以调用我的网络层并根据路径进行设置。我看到的
Android自定义 ImageView 形状
我正在创建一个自定义 ImageView，它将我的图像裁剪成六边形并添加边框。我想知道我的方法是否正确，或者我是否以错误的方式这样做。有很多自定义库已经在执行此操作，但开箱即用的库中没有一个具有我正在
python - 从节点云中查找几何(形状)
我正在编写一些代码，这些代码需要识别一些基于节点云的相当基本的几何图形。我会对检测感兴趣: 板(简单有界平面) 圆柱体(两个节点循环) 半圆柱(圆弧+直线+圆弧+直线) 圆顶(n*loop+top n
带有边框和角截断的 iOS 形状
我有这个形状: http://screencast.com/t/9UUhAXT5Wu 但边界在截止点处没有跟随它 - 我该如何解决？这是我当前 View 的代码: self.view.backgro
c++ - 简单的嵌套循环问题。 * 形状 *
我现在脑震荡，所以我想问一个非常简单的问题。目前，我正在尝试打印出这样的开头当输入为 7 时，输出为 * ** * ** * ** * 这里是我的代码，它打印 14 次而不是 7 次，或者当我输入
导航选项卡上的 CSS 形状
我想生成如下设计。计划选项卡顶部的"new"。我使用的属性适用于 chrome 和 mozilla，但在 Edge 中出现故障。以下是我在 chrome 中应用的样式: a.subnav__item
形状中的 Android 形状
我想要一个带有两种颜色边框轮廓的 shape 元素。我可以使用 solid 元素做一个单一的颜色轮廓，但这只允许我画一条线。我尝试在我的形状中使用两个 stroke 元素，但这也不起作用。有没有办法
ios - 如何绘制不同颜色的填充路径/形状
我需要为屏幕上的形状着色任何我想要的颜色。我目前正在尝试使用 UIImage 来执行此操作，我想根据自己的需要重新着色。据我所知，执行此操作的唯一方法是获取 UIImage 的各个像素，这需要更多我想
java - 面向对象的设计 - 形状
因此，经过多年的 OOP，我从我的一门大学类(class)中得到了一个非常简单的家庭作业，以实现一个简单的面向对象的结构。要求的设计: 实现面向对象的解决方案以创建以下形状: 椭圆、圆形、正方形、矩
CSS3 形状 - 什么是可能的？
关闭。这个问题需要更多focused .它目前不接受答案。想改进这个问题吗？更新问题，使其只关注一个问题 editing this post . 关闭 5 年前。 Improve this qu
css - 制作一个笨拙的 div 形状
我想知道是否可以使用类似于以下的 div 制作复杂的形状: 它基本上是一个四 Angular 向内收缩的圆 Angular 正方形。目标是使用背景图像来填充它。我可以使用具有以下 SVG 路径的剪辑蒙

行者123

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

python - Keras - CNN 输入形状不兼容