在张量流中出现 ValueError 说我的形状不兼容

Question

错误：

return K.categorical_crossentropy(y_true, y_pred, from_logits=from_logits)
    C:\Users\selvaa\miniconda3\envs\tensorflow\lib\site-packages\tensorflow\python\keras\backend.py:4619 categorical_crossentropy
        target.shape.assert_is_compatible_with(output.shape)
    C:\Users\selvaa\miniconda3\envs\tensorflow\lib\site-packages\tensorflow\python\framework\tensor_shape.py:1128 assert_is_compatible_with
        raise ValueError("Shapes %s and %s are incompatible" % (self, other))

    ValueError: Shapes (None, 1) and (None, 151) are incompatible

我的型号：

x = np.array(x)
y = np.array(y)

x = x/255.0

model = Sequential()
model.add(Conv2D(3, (3,3), input_shape=(128,128,3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Flatten())
model.add(Dense(302, activation='relu'))
model.add(Dense(151, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x, y, batch_size=32, epochs=5, verbose=1, validation_split=0.1)

我正在尝试训练一个模型来识别不同的口袋妖怪，我的数据集有每 151 个口袋妖怪的两张图片（正确标记和全部）。不确定我做错了什么。

这是我打印 x.shape 和 y.shape 时发生的情况：

(301, 128, 128, 3) (301,)

Answer 1

使用损失tf.keras.losses.SparseCategoricalCrossEntropy，如下面的代码示例所示。

损失函数tf.keras.losses.SparseCategoricalCrossEntropy接受 shape 中的参考标签(n_samples,)和 shape 中的预测标签(n_samples, n_classes)，这适用于您的数据。您不能使用，categorical_crossentropy因为这期望您的标签是单热编码的（参见答案底部）。

x = np.array(x)
y = np.array(y)

x = x / 255.0

model = Sequential()
model.add(Conv2D(3, (3,3), input_shape=(128,128,3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Flatten())
model.add(Dense(302, activation='relu'))
model.add(Dense(151, activation='softmax'))

model.compile(
    loss=tf.keras.losses.SparseCategoricalCrossentropy(), 
    optimizer='adam', 
    metrics=['accuracy'])

model.fit(x, y, batch_size=32, epochs=5, verbose=1, validation_split=0.1)

另一种解决方案是在训练之前对标签进行一次性编码，例如使用函数tf.one_hot。如果您使用这种方法，那么您可以使用categorical_crossentropy.