“” ValueError:检查目标时出错:预期activation_81的形状为(1,),但数组的形状为(7,)“]
我正在使用神经网络对语音情感分类执行7类的多类分类,但此刻失败了>>
cnnhistory=model.fit(x_traincnn, y_train, batch_size=16, epochs=700, validation_data=(x_testcnn, y_test), callbacks=[mcp_save, lr_reduce])
在此行callbacks = [mcp_save,lr_reduce]
mcp_save是
mcp_save = ModelCheckpoint('model/aug_noiseNshift_2class2_np.h5', save_best_only=True, monitor='val_loss', mode='min')
和lr_reduce为
lr_reduce = ReduceLROnPlateau(monitor='val_loss', factor=0.9, patience=20, min_lr=0.000001)
NN的最后一层7类的密集(7)
model.add(Dense(7)) model.add(Activation('softmax')) opt = keras.optimizers.SGD(lr=0.0001, momentum=0.0, decay=0.0, nesterov=False)
使用的编译模型
model.compile(loss='sparse_categorical_crossentropy', optimizer=opt, metrics=['accuracy', fscore])
我已经使用标准化值对数据集进行了转换,将损失函数从'categorical_crossentropy'更改为'sparse_categorical_crossentropy'。只是将错误从激活码9激活码18激活码45激活码54激活码现在激活81都没起作用。但是错误仍然存在。
任何帮助将不胜感激!我是神经网络的新手。TIA
“” ValueError:检查目标时出错:期望activation_81具有形状(1,)但具有形状(7,)的数组“我正在对语音情感进行7类的多类分类...
如果标签带有数字,则表示y_train
的形状为(samples, 1)
,应使用'sparse_categorical_crossentropy'
。