Модель Keras, предоставляющая TypeError: только массивы размера 1 могут быть преобразованы в скаляры Python

Question

Я тренирую модель для создания масок.Эта ошибка продолжает появляться, и я не могу определить причину.Помощь будет оценена.

Заявление об ошибке:

File "--\Users\-----\Anaconda3\lib\site-packages\keras\initializers.py", line 209, in __call__
scale /= max(1., float(fan_in + fan_out) / 2)
TypeError: only size-1 arrays can be converted to Python scalars

При онлайн-исследовании эта ошибка возникает, когда обычные списки используются с пустыми функциями, но в моем случае используемые массивы являются пустыми массивами.Ниже я прикрепил код.

import cv2
import glob
import numpy as np
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.layers import Convolution2D, MaxPooling2D
from keras.utils import np_utils
from keras.datasets import mnist
from keras import backend as K
K.set_image_dim_ordering('tf')
np.random.seed(123)  # for reproducibility

image_list = [] 
test_list = []

for filename in glob.glob("image/*.jpg*"): 
    im = cv2.imread(filename)
    im_r = cv2.resize(im,(200, 200), interpolation = cv2.INTER_AREA) 
    image_list.append(im_r)

for filename in glob.glob("test/*.png*"): 
    im = cv2.imread(filename)
    im_r = cv2.resize(im,(200, 200), interpolation = cv2.INTER_AREA) 
    im_r = np.ravel(im_r)
    test_list.append(im_r)

x_data = np.array(image_list)
y_data = np.array(test_list)
x_data = x_data.astype("float32")
y_data = y_data.astype("float32")
x_data /= 255
y_data /= 255

X_train = x_data
Y_train = y_data

model = Sequential()
model.add(Convolution2D(32, 5, 5, activation='relu', input_shape=(200, 200, 3)))
model.add(MaxPooling2D(pool_size=(2,2))) 
model.add(Convolution2D(32, 5, 5, activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2))) 
model.add(Convolution2D(32, 3, 3, activation='relu'))
model.add(MaxPooling2D(pool_size=(2,2))) 
model.add(Dropout(0.25))
model.add(Flatten()) 
model.add(Dense(128, activation='relu')) 
model.add(Dropout(0.5)) 
model.add(Dense(Y_train[0], activation='sigmoid'))
print('hello')

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
loss = acc = 0
while acc < 0.9999:
    model.fit(X_train, Y_train, batch_size=32, nb_epoch=10, verbose=1)
    loss, acc = model.evaluate(X_train, Y_train, verbose=1)
model.save("model_state_no_mapping")

Answer 1

Проблема в последнем слое вашей модели.

Изменить последний слой с

model.add(Dense(Y_train[0], activation='sigmoid')) 

до

model.add(Dense(Y_train.shape[0], activation='sigmoid'))

Кроме того, в более новых версиях Keras рекомендуется использовать слой Conv2D вместо старого Convolution2D.