web-dev-qa-db-ja.com

ターゲットをチェックする際のエラー：dense_3には形状（2）が必要ですが、形状（1）の配列を取得しました

KerasのFunctional API（TensorFlowバックエンドを使用）で複数の出力レイヤーを持つテキスト感情分類モデルをトレーニングしています。モデルは、入力としてKeras Preprocessing APIのhashing_trick（）関数によって生成されたハッシュ値のNumpy配列を取り、バイナリ1のNumpy配列のlistを使用します-複数の出力を持つモデルをトレーニングするためのKeras仕様に従って、ターゲットとしてホットラベルを付けます（fit（）のドキュメントを参照してください： https://keras.io/models/model/ ）。

以下は、ほとんどの前処理手順を除いたモデルです。

    textual_features = hashing_utility(filtered_words) # Numpy array of hashed values(training data)

    label_list = [] # Will eventually contain a list of Numpy arrays of binary one-hot labels 

    for index in range(one_hot_labels.shape[0]):
        label_list.append(one_hot_labels[index])

     weighted_loss_value = (1/(len(filtered_words))) # Equal weight on each of the output layers' losses

     weighted_loss_values = []

     for index in range (one_hot_labels.shape[0]):
        weighted_loss_values.append(weighted_loss_value)


     text_input = Input(shape = (1,))


     intermediate_layer = Dense(64, activation = 'relu')(text_input)


     hidden_bottleneck_layer = Dense(32, activation = 'relu')(intermediate_layer)

     keras.regularizers.l2(0.1)

     output_layers = []

     for index in range(len(filtered_words)):
        output_layers.append(Dense(2, activation = 'sigmoid')(hidden_bottleneck_layer))

     model = Model(inputs = text_input, outputs = output_layers)            
     model.compile(optimizer = 'RMSprop', loss = 'binary_crossentropy', metrics = ['accuracy'], loss_weights = weighted_loss_values)                          

     model.fit(textual_features, label_list, epochs = 50)

このモデルが生成するエラートレーストレーニングの要点は次のとおりです。

ValueError：ターゲットのチェック時のエラー：dense_3には形状（2）が必要ですが、形状（1）の配列を取得しました

pythontensorflowmachine-learningkerasdeep-learning
8
Pranav Vempati

きみの numpy arrays（入力と出力の両方）にバッチディメンションを含める必要があります。ラベルの形状が現在(2,)、次のようにバッチディメンションを含めるように変更できます。

label_array = label_array.reshape(1, -1)
5
sdcbr