首页 文章

python keras错误：检查目标时出错：期望dense_2有3个维度

提问于
浏览 次
1

我有DNA数据作为Keras的输入，DNA数据是一个单一的编码阵列，每个DNA序列是4个通道（每种类型的核苷酸一个） . 单热矩阵在matlab中，其尺寸为：（4,400,100）100个样本 .

第一个matlab有维度行* cloumn * slice（4,400,100），但我改变尺寸得到（100,4,400）像python格式

import scipy.io 
    x = scipy.io.loadmat('x.mat')
    x2 = x['x']
    x2 = np.ascontiguousarray(x2.T)
    x2 = np.ascontiguousarray(x2.swapaxes(1, 2))
    X_train =x2
    y = scipy.io.loadmat('y.mat')
    y2 = y['y']
    Y_train = np_utils.to_categorical(y2, 2)

现在X_train形状是：（100,4,400）Y_train形状是（100,2）

2）

我的模型是Conv1D看起来像这样：

model = Sequential()
model.add(Conv1D(32, 3, activation='relu', input_shape=(4, 400)))
model.add(MaxPooling1D(2))
model.add(Dropout(0.5))

model.add(Dense(128, activation='relu'))

model.add(Dense(1, activation='sigmoid'))


model.compile(loss='categorical_crossentropy',
              optimizer='adam',
              metrics=['accuracy'])

model.fit(X_train, Y_train, batch_size=16, epochs=10)

错误按摩

Traceback (most recent call last): in <module>
    model.fit(X_train, Y_train, batch_size=16, epochs=5)

in _standardize_user_data
    exception_prefix='target')
  in _standardize_input_data
    str(array.shape))
ValueError: Error when checking target: expected dense_2 to have 3 dimensions, but got array with shape (100, 2)
python keras

1 回答

  • 0

    试试这个版本：

    import numpy as np
from keras.models import Sequential
from keras.layers import Conv1D, MaxPooling1D, Dropout, Dense, Flatten

# This generates some test sample for me to check your code
X_train = np.random.rand(100, 4, 400)
Y_train = np.random.rand(100, 2)

model = Sequential()

model.add(Conv1D(32, 3, activation='relu', input_shape=(4, 400)))
model.add(MaxPooling1D(2))
model.add(Dropout(0.5))
model.add(Flatten()) # <- You need a flatten here
model.add(Dense(128, activation='relu'))
model.add(Dense(2, activation='sigmoid')) # <- the last dense must have output 2

model.compile(loss='categorical_crossentropy',
              optimizer='adam',
              metrics=['accuracy'])

model.fit(X_train, Y_train, batch_size=16, epochs=10)

    • 我在 Dropout 之后添加了 Flatten 图层（记得导入它）

    • 由于输出为（2，），您需要将第二个 Dense 图层设为 Dense(2)

    如果您将输出更改为具有尺寸（1，），然后再次放入 Dense(1) ，但也将损失从 categorical_crossentropy 更改为 binary_crossentropy

    回复于

相关问题