首页 文章

值错误：检查目标时出错：期望dense_1具有形状（无，1）但是具有形状的数组（6000,3）

提问于
浏览 次
0

我面临着分类分类器的模型输入形状的问题

x         y
 [1,2,3]    [0]
 [2,3,5]    [1]
 [2,1,6]    [2]
 [1,2,3]    [0]
 [2,3,5]    [0]
 [2,1,6]    [2]

然后我将y标签更改为分类

y
  [1,0,0]
  [0,1,0]
  [0,0,1]
  [1,0,0]
  [1,0,0]
  [0,0,1]

我的x_train形状是（6000,3）y_train形状是（6000,3）x_test形状是（2000,3）y_test形状是（2000,3）

我尝试了这个模型并获得了 Value 错误

model=sequential()
model.add(Dense(1, input_shape(3,), activation="softmax"))
model.compile(Adam(lr=0.5), 'categorical_crossentropy', metrics=['accuracy'])
model.fit(X_train,y_train,epochs=50, verbose=1)

Value error: Error when checking target: expected dense_1 to have shape(None,1) but got array with shape (6000,3)

我不明白这个错误 . 帮我解决这个问题

python keras

1 回答

  • 0

    您需要网络的输出层与输出类的数量相匹配 . 你可以这样做

    X_train = np.zeros((10,3))
y_train = np.zeros((10,))

X_test = np.zeros((10,3))
y_test = np.zeros((10,))

num_classes = 3
y_train_binary = keras.utils.to_categorical(y_train, num_classes)
y_test_binary = keras.utils.to_categorical(y_test, num_classes)

input_shape = (3,)

model = Sequential()                 
model.add(Dense(16, activation='relu',input_shape=input_shape))         
model.add(Dense(num_classes, activation='softmax'))

model.compile(loss='categorical_crossentropy',
                       optimizer='rmsprop',
                       metrics=['mae'])

model.summary()

history=model.fit(X_train,
                  y_train_binary,
                  epochs=5,
                  batch_size=8,
                  validation_data=(X_test, y_test_binary))
    回复于

相关问题