ValueError：检查目标时发生错误：期望的dense_2有形状（无，2）但有形状的阵列（1，1）

嗨我是Keras中带有后端张量流的新手。我已经构建了两个可能类的图像的训练和验证集合;我的网络必须以两个类别结束或不结束。我已经使用ImageDatagenerator从文件夹中读取图像并准备培训和验证集。最后，我得到了标题中描述的问题。我的猜测是ImageDatagenerator没有按照我的意愿准备数据;任何机构可以向我解释如何解决这个问题，这里是代码（感谢）：ValueError：检查目标时发生错误：期望的dense_2有形状（无，2）但有形状的阵列（1，1）

# Data Preparation 
# dimensions of our images. 
img_width, img_height = 256, 256 

#top_model_weights_path = 'bottleneck_fc_model.h5' 
train_data_dir = 'data/train' 
validation_data_dir = 'data/validation' 
nb_train_samples = 2 
nb_validation_samples = 2 
epochs = 50 
batch_size = 1 
num_classes = 2 

# prepare data augmentation configuration 
train_datagen = ImageDataGenerator(
            rescale=1./255, 
            shear_range=0.2, 
            zoom_range=0.2, 
            data_format=K.image_data_format(), 
            horizontal_flip=True) 

test_datagen = ImageDataGenerator(
            rescale=1./255, 
            data_format=K.image_data_format()) 

train_generator = train_datagen.flow_from_directory(
                train_data_dir, 
                target_size=(img_height, img_width), 
                batch_size=batch_size, 
                class_mode='binary') 

validation_generator = test_datagen.flow_from_directory(
                 validation_data_dir, 
                 target_size=(img_height, img_width), 
                 batch_size=batch_size, 
                 class_mode='binary') 

# create the CNN model 
model = Sequential() 
model.add(Conv2D(24, kernel_size=(20, 20), strides=(2,2), padding='valid', activation='relu', input_shape=(256,256,3))) 

model.add(MaxPooling2D(pool_size=(7, 7), strides=(2,2), padding='valid')) 

# Avoiding overfitting 
model.add(Dropout(0.5)) 
model.add(Flatten()) 
model.add(Dense(64, activation='relu')) 

# Avoiding overfitting 
model.add(Dropout(0.5)) 
model.add(Dense(num_classes, activation='softmax')) 

print(model.summary()) 

# Compile model 
sgd = optimizers.SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True) 
model.compile(loss='mean_squared_error', optimizer='sgd', metrics=['accuracy']) 

# Fit the model 
model.fit_generator(
        train_generator, 
        steps_per_epoch=nb_train_samples // batch_size, 
        epochs=epochs, 
        validation_data=validation_generator, 
        validation_steps=nb_validation_samples // batch_size, 
        verbose=0) 

# Save the weights 
model.save_weights('first_try.h5')

来源

2017-05-26 user8071890

专门为“两班”，也有这样做的方法有两种：

一个结果， 0或1，是或否。
两个结果，作为一个类A的概率和其他类B的

每一个需要不同的模型输出的概率：

1D输出，具有Dense(1,....)
2D输出，与Dense(2,....)

你似乎是在第一种情况下，所以，改变你的最后一层。

那个错误是什么意思？

你的模型输出事情形状（BATCHSIZE，2），但你的类标签具有形状（BATCHSIZE，1）。

来源

2017-05-26 20:46:15

非常感谢，我认为即使第一种方式0或1属于模型输出2D。在这种情况下我想在两个结果的情况下，是一类A的概率，而其他类B的概率;我如何修改我的输入数据以属于这种情况？ – user8071890

ValueError：检查目标时发生错误：期望的dense_2有形状（无，2）但有形状的阵列（1，1）

回答

相关问题