r - 输入形状(以喀拉斯计)(此损失期望目标与输出具有相同的形状)

Question

这是我第一次使用keras，我正在尝试遵循我在网上找到的教程，并将自己的数据拟合到其中。我有一个矩阵和二进制标签。

> str(d_train)
 num [1:1062, 1:180] -0.04748 0.04607 -0.05429 -0.0126 -0.00219 ...
> str(trainlabels)
 num [1:1062, 1:2] 0 0 0 0 0 0 1 0 0 0 ...

我的代码:

model = keras_model_sequential()
model %>%
  layer_dense(units = 8, activation = 'relu', input_shape = c(180)) %>%
  layer_dense(units = 3, activation = "softmax")
summary(model)
## Compile
model %>%
  compile(loss = "binary_crossentropy",
          optimizer = "adam",
          metrics = "accuracy")
## Fit model
history = model %>%
  fit(d_train,
      trainlabels,
      epoch=200,
      batch_size=32,
      validation_split=0.2)

我似乎无法拟合模型，收到以下错误消息:

Error in py_call_impl(callable, dots$args, dots$keywords) : 
  ValueError: A target array with shape (1062, 2) was passed for an output of shape (None, 3) while using as loss `binary_crossentropy`. This loss expects targets to have the same shape as the output.

根据错误消息，要求输入数组的形状不同，我尝试更改尺寸而没有运气。

Answer 1

我不是R专家，但是在这里:

layer_dense(units = 3, activation = "softmax")

您正在告诉Keras，您的网络输出具有三个类。您的标签具有 (1062, 2)形状，表明它具有两个类，因此存在不一致的地方。

您可以只更改最后一个密密的 units = 2，它应该可以工作。还要注意，您正在使用 softmax激活，在这种情况下，您应该更喜欢使用 categorical_crossentropy丢失。

要使用 binary_crossentropy进行二进制分类，您应该激活 units = 1， sigmoid，并且标签应该是 (1062, 1)或 (1062,)，这意味着它们是0-1编码的。