检查目标时出错：预期密集有形状（1，）但是有形状的数组（15662，）maxpooling作为第一层

Question

我正在尝试使用maxpooling作为使用keras的第一层，我的输入和输出维度有问题。

print(x_train.shape)
print(y_train.shape)
(15662, 6)
(15662,)

x_train = np.reshape(x_train, (-1,15662, 6)) 
y_train = label_array.reshape(1, -1)

model = Sequential()
model.add(MaxPooling1D(pool_size = 2 , strides=1, input_shape = (15662,6)))
model.add(Dense(5, activation='relu'))
model.add(Flatten())
model.add(Dense(1, activation='softmax'))

model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=
['accuracy'])
model.fit(x_train, y_train,  batch_size= 32, epochs=1)

运行模型后，我收到以下错误：

ValueError：检查目标时出错：期望dense_622（最后一层）有形状（1，）但是有形状的数组（15662，）

我正在做分类，我的目标是二进制（0,1）谢谢

Answer 1

你的目标应该有形状(batch_size, 1)，但你传递的形状(1, 15662)数组。似乎15662应该是批量大小，在这种情况下x_train应该有形状(15662, 6)和y_train应该有形状(15662, 1)。但是，在这种情况下，将MaxPooling1D图层作为模型的第一层没有任何意义，因为最大池需要3D输入（即形状(batch_size, time_steps, features)）。您可能想要省略最大池层（以及Flatten层）。以下代码应该有效：

# x_train: (15662, 6)
# y_train: (15662,)

model = Sequential()
model.add(Dense(5, activation='relu', input_shape=(6,))) # Note: don't specify the batch size in input_shape
model.add(Dense(1, activation='sigmoid'))

model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=
['accuracy'])
model.fit(x_train, y_train,  batch_size= 32, epochs=1)

但它当然取决于您拥有的数据类型。