Вот мой код:
# data consists of 1 dimensional data (3277 elements). Number of data is 439
train_data = .... # numpy.ndarray
# I would like to classify data into 5 classes.
train_labels = .... # numpy.ndarray
print(train_data.shape) # -> Shape of train_data: (439, 3277)
print('Shape of train_labels:', train_labels.shape) # -> Shape of train_labels: (439,)
# prepare 5 one hot encoding array
categorical_labels = to_categorical(train_labels, 5)
print('Shape of categorical_labels:', categorical_labels.shape) # -> Shape of categorical_labels: (439, 5)
# I make a model to have 3277-elements data and classify data into 5 labels.
model = keras.Sequential([
keras.layers.Dense(30, activation='relu', input_shape=(3277,)),
keras.layers.Dense(30, activation='relu'),
keras.layers.Dense(5, activation='softmax')
])
model.summary()
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(data, categorical_labels, epochs=5, verbose=1) # A
#model.fit(data, train_labels, epochs=5, verbose=1) # B
Когда я пытаюсь с строкой, помеченной 'A', я получаю эту ошибку
ValueError: Error when checking target: expected dense_3 to have shape (1,) but got array with shape (5,)
С 'B', он работает правильно ( без явных ошибок, и машина возвращает высокий балл)
Очевидно, ошибка касается различия в формах ... когда я хочу использовать keras.utils.to_categorical, как я могу изменить свой код?
Другой вопрос, почему этот случай работает (https://github.com/keras-team/keras/blob/master/examples/mnist_mlp.py), в то время как мой случай не ..
Структуры похожи ... мне.