keras 中的输入形状（此损失期望目标具有与输出相同的形状）

Posted 2023-03-12

【中文标题】keras 中的输入形状（此损失期望目标具有与输出相同的形状）

【英文标题】：Input shape in keras (This loss expects targets to have the same shape as the output)

【发布时间】：2019-10-29 03:00:28

【问题描述】：

这是我第一次使用 keras，我正在尝试按照我在网上找到的教程并将我自己的数据适合它。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)

我似乎无法适应模型，我收到以下错误消息：

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，要求输入数组的不同形状，我尝试更改尺寸但没有运气。

【参考方案1】：

我不是 R 专家，但在这里：

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

您告诉 Keras，您的网络的输出分为三个类别。您的标签具有 (1062, 2) 形状，这表明它有两个类，因此存在不一致。

您可以在最后一个密集处更改units = 2，它应该可以工作。另请注意，您正在使用softmax 激活，在这种情况下，您应该更喜欢使用categorical_crossentropy 损失。

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

【讨论】：

感谢您的建议。我尝试了以下操作：将最后一个 layer_dense 更改为 1 使用带有 binary_crossentropy 的“sigmoid”激活，而不是单热编码，只使用二进制编码值的向量（num [1:1062] 1 1 1 1 1 1 0 1 1 1 ...) 我得到另一个错误： py_call_impl(callable, dots$args, dots$keywords) 中的错误：UnboundLocalError: local variable 'a' referenced before assignment

@MarekPrachař 这看起来像是不兼容的 tensorflow 或 keras 版本，您应该尝试两者的最新版本（tf 1.13 和 keras 2.2.4）。

好的，看来TensorFlow 1.13版有问题，可以通过以下方式解决： install_tensorflow(version = "1.12") 之后它就可以工作了！谢谢