输入 0 与层 flatten_15 不兼容：预期 min_ndim=3，发现 ndim=2

Question

我正在尝试在我的声音数据集上训练 ANN 模型，该数据集有 320 行和 50 列，而运行此代码：

Model= Sequential([ Flatten(), 
     Dense(16, input_shape=(1,50), activation= 'relu' ) , 

     Dense(32, activation= 'relu' ),
     Dense(2, activation='softmax' ) , 
     ])
Model.compile(Adam(lr=0.0001), loss='sparse_categorical_crossentropy', metrics=['accuracy'])
Model.fit(S_T_S, T_L, validation_split=0.1, batch_size=20, epochs=20, shuffle='true', verbose=2)

我收到以下错误：

Input 0 is incompatible with layer flatten_15: expected min_ndim=3, found ndim=2,

Answer 1

如果数据集的形状为(N, C)，其中N是数据点的个数，C是单个数据点的通道数，那么第一层的input_shape参数应该只指定频道。

model= Sequential([
     Dense(16, input_shape=(50,), activation= 'relu' ) , 

     Dense(32, activation= 'relu' ),
     Dense(2, activation='softmax' ) , 
     ])
model.compile(Adam(lr=0.0001), loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(S_T_S, T_L, validation_split=0.1, batch_size=20, epochs=20, shuffle='true', verbose=2)

如果输出的数量类是两个，那么具有一个节点的输出层比使用具有两个节点的输出层效果更好。在这种情况下，输出层的activation应该改为sigmoid，loss应该改为binary cross entropy。

model= Sequential([
     Dense(16, input_shape=(50,), activation= 'relu' ) , 

     Dense(32, activation= 'relu' ),
     Dense(1, activation='sigmoid' ) , 
     ])
model.compile(Adam(lr=0.0001), loss='sparse_binary_crossentropy', metrics=['accuracy'])

输入 0 与层 flatten_15 不兼容：预期 min_ndim=3，发现 ndim=2

Input 0 is incompatible with layer flatten_15: expected min_ndim=3, found ndim=2

python

flatten

sequential

keras