Блог

Я совсем новичок в CNN. Я пытаюсь создать следующую модель. но я получаю следующую ошибку: «Ошибка значения: логиты и метки должны иметь одинаковую форму ((1, 7, 7, 2) против (1, 2))»

Ниже приведен код, который я пытаюсь реализовать

 #create the training data set
train_data=scaled_data[0:training_data_len,:]
#define the number of periods
n_periods=28
#split the data into x_train and y_train data set
x_train=[]
y_train=[]

for i in range(n_periods,len(train_data)):
    x_train.append(train_data[i-n_periods:i,:28])
    y_train.append(train_data[i,29])

x_train=np.array(x_train)
y_train=np.array(y_train)

#Reshape the train data
x_train=x_train.reshape(x_train.shape[0],x_train.shape[1],x_train.shape[2],1)
x_train.shape
y_train = keras.utils.to_categorical(y_train,2)

# x_train as the folllowing shape (3561, 28, 28, 1)
# y_train as the following shape (3561, 2, 2)

#Build the 2 D CNN model for regression
model= Sequential()
model.add(Conv2D(32,kernel_size=(3,3),padding='same',activation='relu',input_shape=(x_train.shape[1],x_train.shape[2],1)))
model.add(Conv2D(64,kernel_size=(3,3),padding='same',activation='relu'))
model.add(MaxPooling2D(pool_size=(4,4)))
model.add(Dropout(0.25))
model.add(Dense(128,activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(64, activation='sigmoid'))
model.add(Dense(2, activation='sigmoid'))
model.summary()

#compile the model
model.compile(optimizer='ADADELTA', loss='binary_crossentropy', metrics=['accuracy'])

#train the model

model.fit(x_train, y_train, batch_size=1, epochs=1, verbose=2)
 

В вашем подходе есть две проблемы:

1. Вы используете сверточные / максимальные слои, в которых входные / выходные данные представлены в виде матриц, то есть в форме (Batch_Size, Height, Width, Depth). Затем вы добавляете несколько плотных слоев, которые обычно ожидают векторы, а не матрицы в качестве входных данных. Следовательно, вы должны сначала сгладить выходные данные MaxPooling, прежде чем переводить их в Плотный слой, т. Е. Добавить model.add(Flatten()) after model.add(Dropout(0.25)) и before model.add(Dense(128,activation='relu')) .
2. Вы выполняете двоичную классификацию, то есть у вас есть два класса. Вы используете binary_crossentropy в качестве функции потерь, чтобы это работало, вы должны сохранить свои цели такими, какие они есть ( 0 и 1 ), и не использовать y_train = keras.utils.to_categorical(y_train,2) . Ваш последний слой должен иметь 1 нейрон, а не 2 (изменить model.add(Dense(2, activation='sigmoid')) на model.add(Dense(1, activation='sigmoid')) )