python – Keras Dense图层形状错误

我正在使用keras来创建LSTM模型.在训练时,我收到了这个错误.

ValueError：检查目标时出错：期望dense_4具有形状(1,)但是得到了具有形状的数组(34,)

这是我的模特

model = Sequential()

model.add(Embedding(max_words, embedding_dim, input_length=maxlen))    
model.add(LSTM(128, activation='relu'))
model.add(Dense(64, activation='relu'))
model.add(Dropout(0.5))

model.add(Dense(units = 34 ,activation='softmax'))

model.layers[0].set_weights([embedding_matrix])
model.layers[0].trainable = False

model.compile(optimizer='rmsprop',loss='sparse_categorical_crossentropy',metrics=['acc'])

型号摘要：

Layer (type)                 Output Shape              Param #   
=================================================================
embedding_2 (Embedding)      (None, 15, 50)            500000    
_________________________________________________________________
lstm_2 (LSTM)                (None, 128)               91648     
_________________________________________________________________
dense_3 (Dense)              (None, 64)                8256      
_________________________________________________________________
dropout_2 (Dropout)          (None, 64)                0         
_________________________________________________________________
dense_4 (Dense)              (None, 34)                2210      
=================================================================
Total params: 602,114
Trainable params: 102,114
Non-trainable params: 500,000
_________________________________________________________________

我称之为适合使用

history = model.fit(X_train, y_train,epochs=100,batch_size=128)

y_train是一个带有形状的单热编码标签(299,34).
X_train的形状(299,15).

我不确定为什么模型正在寻找形状(1,),因为我可以看到dense_4(密集)的输出形状为`(无,34).

解决方法:

好的,我发现了这个问题.我发布这个作为答案,以便它可以帮助其他人也面临同样的问题.

它不是图层配置,而是错误的丢失功能.

我使用sparse_categorical_crossentropy作为丢失,其中标签必须具有[batch_size]形状和dtype int32或int64.我更改的是Categical_crossentropy,它期望[batch_size,num_classes]的标签.

keras引发的错误消息具有误导性.