Я получаю сообщение об ошибке в оптимизации (обучении) CNN, реализованной keras, но я не знаю решения - PullRequest
Новая
       302

Я получаю сообщение об ошибке в оптимизации (обучении) CNN, реализованной keras, но я не знаю решения

0 голосов
/ 05 апреля 2019

Произошла ошибка при создании сверточного слоя модели CNN.Я не знаю причину ошибки и как ее устранить.Я нахожусь в процессе внедрения CNN с использованием keras и cifar10 для машинного обучения с Python 3.5.

Я получаю следующую ошибку на этапе обучения:

Ошибка при проверке цели: ожидается, что плотность_46 будет иметь форму (10,), но получен массив с формой (1,)

Он плохо работает с изменением формы массива меток (y_train). 

#import
import tensorflow as tf
import keras
import numpy as np
import matplotlib.pyplot as plt

#get data
from keras.datasets import cifar10
(x_train, y_train), (x_test, y_test) = cifar10.load_data()


#Image normalization
x_train = x_train / 255.0
x_test = x_test / 255.0



#Build a CNN mode

def CNN_model():
    model = keras.models.Sequential()

    #1st convolutional layer
    model.add(keras.layers.Conv2D(96, 11, strides=(4, 4), padding='valid', data_format='channels_last', activation='relu', bias_initializer='ones', input_shape=(32,32,3)))
    model.add(keras.layers.normalization.BatchNormalization(axis=1))
    model.add(keras.layers.MaxPooling2D(pool_size=(3, 3), strides=(2, 2), padding='valid', data_format='channels_last'))

    #2nd convolutional layer
    model.add(keras.layers.Conv2D(256, 2, strides=(4, 4), padding='valid', data_format='channels_last', activation='relu', bias_initializer='zeros'))
    model.add(keras.layers.normalization.BatchNormalization(axis=1))
    model.add(keras.layers.MaxPooling2D(pool_size=(1, 1), strides=(2, 2), padding='valid', data_format='channels_last'))

    #3rd layer
    model.add(keras.layers.Flatten())
    model.add(keras.layers.Dense(4096))
    model.add(keras.layers.Dropout(0.5))
    model.add(keras.layers.Dense(4096))
    model.add(keras.layers.Dropout(0.5))

    #4th Softmax layer
    model.add(keras.layers.Dense(10, activation='softmax'))

    #compile
    model.compile(optimizer=keras.optimizers.SGD(lr=0.01), loss='categorical_crossentropy', metrics=['accuracy'])

    return model

#Summary
model = CNN_model()
model.summary()

enter image description here

#Fitting
early_stopping = keras.callbacks.EarlyStopping(monitor='val_loss', patience=3, verbose=1, mode='auto')
history = model.fit(x_train, y_train, epochs=15, batch_size=128, shuffle=True, validation_split=0.25, callbacks=[early_stopping])

1 Ответ

0 голосов
/ 05 апреля 2019

Проблема здесь заключается в вашей цели ака y_train.Ваш, вероятно, представляет собой вектор длиной 1 x n_samples с 10 различными метками. То, что нужно Керасу, это в кодировке One-Hot-Encoded.Вы можете сделать это: 

y_train = to_categorical(y_train)

Надеюсь, это поможет!

...