ValueError：檢查目標時發生錯誤：期望的dense_2有形狀（無，2）但有形狀的陣列（1，1）

嗨我是Keras中帶有後端張量流的新手。我已經構建了兩個可能類的圖像的訓練和驗證集合;我的網絡必須以兩個類別結束或不結束。我已經使用ImageDatagenerator從文件夾中讀取圖像並準備培訓和驗證集。最後，我得到了標題中描述的問題。我的猜測是ImageDatagenerator沒有按照我的意願準備數據;任何機構可以向我解釋如何解決這個問題，這裏是代碼（感謝）：ValueError：檢查目標時發生錯誤：期望的dense_2有形狀（無，2）但有形狀的陣列（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')

來源

2017-05-26 user8071890

專門爲「兩班」，也有這樣做的方法有兩種：

一個結果， 0或1，是或否。
兩個結果，作爲一個類A的概率和其他類B的

每一個需要不同的模型輸出的概率：

1D輸出，具有Dense(1,....)
2D輸出，與Dense(2,....)

你似乎是在第一種情況下，所以，改變你的最後一層。

那個錯誤是什麼意思？

你的模型輸出事情形狀（BATCHSIZE，2），但你的類標籤具有形狀（BATCHSIZE，1）。

來源

2017-05-26 20:46:15

非常感謝，我認爲即使第一種方式0或1屬於模型輸出2D。在這種情況下我想在兩個結果的情況下，是一類A的概率，而其他類B的概率;我如何修改我的輸入數據以屬於這種情況？ – user8071890

ValueError：檢查目標時發生錯誤：期望的dense_2有形狀（無，2）但有形狀的陣列（1，1）

回答

相關問題