ValueError: Ошибка при проверке цели: ожидается, что активация будет иметь shape (1,), но получит массив с shape (2,)

Question

Я пытаюсь создать глубокую нейронную сеть с кератами в python, но получаю следующую ошибку:

ValueError: Ошибка при проверке цели: ожидаемая активация имеет форму (1 ,) но получил массив с формой (2,)

Мой код выглядит следующим образом:

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Convolution2D
from tensorflow.keras.layers import MaxPooling2D
from tensorflow.keras.layers import Flatten
from tensorflow.keras.layers import Dense, Activation, Dropout
from sklearn.model_selection import train_test_split
from tensorflow.keras.preprocessing.image import img_to_array
from tensorflow.keras.utils import to_categorical
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import cv2
import random

df = pd.read_csv(r'UTKFace\data.csv', low_memory=False, header=None)
df = df.values

labels = [];
data = [];
random.seed(42)
random.shuffle(df);

for i in range(0,df.shape[0]):
    # load the image, pre-process it, and store it in the data list
    image = cv2.imread("UTKFace/" + df[i][0])
    image = img_to_array(image)
    data.append(image)

    # extract the class label from the image path and update the
    # labels list
    labels.append(df[i][1])

data = np.array(data, dtype="float") / 255.0
labels = np.array(labels)

(trainX, testX, trainY, testY) = train_test_split(data, labels, test_size=0.3, random_state=42)

trainY = to_categorical(trainY, 2)
testY = to_categorical(testY, 2)

print(trainX.shape)
print(trainY.shape)

print('done')

model = Sequential()
model.add(Convolution2D(32, (3,3), input_shape = (100,100,3), activation = 'relu'))
model.add(MaxPooling2D(pool_size = (2,2), strides=(2,2)))
model.add(Convolution2D(64, (1,1), activation = 'relu'))
model.add(MaxPooling2D(pool_size = (2,2), strides=(2,2)))
model.add(Convolution2D(128, (1,1), activation = 'relu'))
model.add(MaxPooling2D(pool_size = (2,2), strides=(2,2)))
model.add(Convolution2D(256, (1,1), activation = 'relu'))
model.add(MaxPooling2D(pool_size = (2,2), strides=(2,2)))
model.add(Flatten())
model.add(Dense(256, activation = 'relu'))
model.add(Dense(256, activation = 'relu'))
model.add(Dropout(0.5));
model.add(Dense(1, activation = 'relu'))
model.add(Activation('softmax'))
model.summary()
model.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])

#train the network
print("[INFO] training network...")
hist = model.fit(trainX, trainY, batch_size=256, epochs=10, validation_split=0.3)

Кто-нибудь может сказать мне, что я делаю неправильно? Моя модель архитектуры выглядит следующим образом:

> Layer (type)                 Output Shape              Param #
=================================================================
conv2d (Conv2D)              (None, 98, 98, 32)        896
_________________________________________________________________
max_pooling2d (MaxPooling2D) (None, 49, 49, 32)        0
_________________________________________________________________
conv2d_1 (Conv2D)            (None, 49, 49, 64)        2112
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 24, 24, 64)        0
_________________________________________________________________
conv2d_2 (Conv2D)            (None, 24, 24, 128)       8320
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 12, 12, 128)       0
_________________________________________________________________
conv2d_3 (Conv2D)            (None, 12, 12, 256)       33024
_________________________________________________________________
max_pooling2d_3 (MaxPooling2 (None, 6, 6, 256)         0
_________________________________________________________________
flatten (Flatten)            (None, 9216)              0
_________________________________________________________________
dense (Dense)                (None, 256)               2359552
_________________________________________________________________
dense_1 (Dense)              (None, 256)               65792
_________________________________________________________________
dropout (Dropout)            (None, 256)               0
_________________________________________________________________
dense_2 (Dense)              (None, 1)                 257
_________________________________________________________________
activation (Activation)      (None, 1)                 0
=================================================================
Total params: 2,469,953
Trainable params: 2,469,953
Non-trainable params: 0
_________________________________________________________________

Answer 1

Измените свою функцию активации и номер нейрона в выходном слое:

model.add(Dense(2, activation = 'sigmoid'))

И удалите это, потому что теперь это избыточно:

model.add(Activation('softmax'))

Если это не работает, измените ваш потеря до categorical_crossentropy, я не уверен, ожидает ли binary_crossentropy 1D или 2D выход.