ошибка при проверке целевого объекта: ожидается, что плотность_2 имеет форму (13), но получен массив с формой (40) - PullRequest
Новая
       19

ошибка при проверке целевого объекта: ожидается, что плотность_2 имеет форму (13), но получен массив с формой (40)

0 голосов
/ 23 мая 2018

Здравствуйте, я пишу нейрон для определения числа фигур 

def get_image_size():
    img = cv2.imread('gestures/0/100.jpg', 0)
    return img.shape // 50*50

def get_num_of_classes():
    return len(os.listdir('gestures/')) //13classes

image_x, image_y = get_image_size()

Модель CNN 

def cnn_model():
    num_of_classes = get_num_of_classes()
    model = Sequential()
    model.add(Conv2D(32, (5,5), input_shape=(image_x, image_y, 1), activation='relu'))
    model.add(MaxPooling2D(pool_size=(2, 2), strides=(2, 2), padding='same'))
    model.add(Conv2D(64, (5,5), activation='relu'))
    model.add(MaxPooling2D(pool_size=(5, 5), strides=(5, 5), padding='same'))
    model.add(Flatten())
    model.add(Dense(1024, activation='relu'))
    model.add(Dropout(0.4))
    model.add(Dense(num_of_classes, activation='softmax'))
    sgd = optimizers.SGD(lr=1e-4)
    model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy'])
    filepath="cnn_model_keras2.h5"
    checkpoint1 = ModelCheckpoint(filepath, monitor='val_acc', verbose=1, save_best_only=True, mode='max')
    #checkpoint2 = ModelCheckpoint(filepath, monitor='val_loss', verbose=1, save_best_only=True, mode='min')
    callbacks_list = [checkpoint1]
    return model, callbacks_list

Обучение 

def train():
    with open("train_images", "rb") as f:
        train_images = np.array(pickle.load(f))
    with open("train_labels", "rb") as f:
        train_labels = np.array(pickle.load(f), dtype=np.int32)

    with open("test_images", "rb") as f:
        test_images = np.array(pickle.load(f))
    with open("test_labels", "rb") as f:
        test_labels = np.array(pickle.load(f), dtype=np.int32)

    train_images = np.reshape(train_images, (train_images.shape[0], image_x, image_y, 1))
    test_images = np.reshape(test_images, (test_images.shape[0], image_x, image_y, 1))
    train_labels = np_utils.to_categorical(train_labels)
    test_labels = np_utils.to_categorical(test_labels)

    model, callbacks_list = cnn_model()
    model.fit(train_images, train_labels, validation_data=(test_images, test_labels), epochs=50, batch_size=100, callbacks=callbacks_list)
    scores = model.evaluate(test_images, test_labels, verbose=0)
    print("CNN Error: %.2f%%" % (100-scores[1]*100))

, но я получаюэта ошибка: ValueError: Error when checking target: expected dense_1 to have shape (13,) but got array with shape (40,) и я искал некоторые решения, но ничего не помогло, если у кого-то есть идеи, как ее решить, пожалуйста

1 Ответ

0 голосов
/ 23 мая 2018

Ошибка говорит о том, что количество ярлыков для обучения не совпадает с прогнозируемым.Глядя на код, кажется, что num_of_classes != train_labels.shape[1].Если у вас есть только вектор меток классов, таких как [3, 7, 1], вы можете использовать loss='sparse_categorical_crossentropy', который будет кодировать цели при обучении для вас.

...