Недопустимая форма Tensorflow (InvalidArgumentError) - PullRequest
Новая
       11

Недопустимая форма Tensorflow (InvalidArgumentError)

0 голосов
/ 06 мая 2019

model.fit создает исключение: 

tensorflow.python.framework.errors_impl.InvalidArgumentError: Cannot update variable with shape [] using a Tensor with shape [32], shapes must be equal.
         [[{{node metrics/accuracy/AssignAddVariableOp}}]]
         [[loss/dense_loss/categorical_crossentropy/weighted_loss/broadcast_weights/assert_broadcastable/AssertGuard/pivot_f/_50/_63]] [Op:__inference_keras_scratch_graph_1408]

Определение модели: 

model = tf.keras.Sequential()

    model.add(tf.keras.layers.InputLayer(
        input_shape=(360, 7)
    ))

    model.add(tf.keras.layers.Conv1D(32, 1, activation='relu', input_shape=(360, 7)))
    model.add(tf.keras.layers.Conv1D(32, 1, activation='relu'))
    model.add(tf.keras.layers.MaxPooling1D(3))
    model.add(tf.keras.layers.Conv1D(512, 1, activation='relu'))
    model.add(tf.keras.layers.Conv1D(1048, 1, activation='relu'))
    model.add(tf.keras.layers.GlobalAveragePooling1D())
    model.add(tf.keras.layers.Dropout(0.5))
    model.add(tf.keras.layers.Dense(32, activation='softmax'))

Входные данные Форма 

(105, 360, 7)

Форма ввода меток 

(105, 32, 1)

Скомпилировать оператор 

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

Model.fit заявление 

 model.fit(features,
              labels,
              epochs=50000,
              validation_split=0.2,
              verbose=1)

Любая помощь будет высоко ценится

1 Ответ

1 голос
/ 07 мая 2019

Вы можете использовать model.summary(), чтобы увидеть архитектуру вашей модели. 

print(model.summary())

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv1d (Conv1D)              (None, 360, 32)           256       
_________________________________________________________________
conv1d_1 (Conv1D)            (None, 360, 32)           1056      
_________________________________________________________________
max_pooling1d (MaxPooling1D) (None, 120, 32)           0         
_________________________________________________________________
conv1d_2 (Conv1D)            (None, 120, 512)          16896     
_________________________________________________________________
conv1d_3 (Conv1D)            (None, 120, 1048)         537624    
_________________________________________________________________
global_average_pooling1d (Gl (None, 1048)              0         
_________________________________________________________________
dropout (Dropout)            (None, 1048)              0         
_________________________________________________________________
dense (Dense)                (None, 32)                33568     
=================================================================
Total params: 589,400
Trainable params: 589,400
Non-trainable params: 0
_________________________________________________________________
None

Форма выходного слоя должна быть (None,32), а форма labels - (105,32,1),Поэтому вам нужно изменить форму на (105,32).Функция np.squeeze() используется, когда мы хотим удалить одномерные записи из формы массива.

...