how can I overcome "ValueError: Shapes (None, 1) and (None, 7) are incompatible"

Question

我是 Keras 和 CNN 的新手。我正在做一项任务，建立一个 CNN 来预测面部情绪。我根据作业构建了模型，但在编译模型时我得到 "ValueError: Shapes (None, 1) and (None, 7) are incompatible"。谁能帮我解决这个问题？

下面粘贴我的代码以供参考：

'''

model = Sequential()

model.add(Conv2D(filters = 64, kernel_size = 5,input_shape = (48,48,1)))
model.add(Conv2D(filters=64, kernel_size=5,strides=(1, 1), padding='valid'))
model.add(BatchNormalization())
model.add(MaxPooling2D(pool_size=(2,2),strides=1, padding='valid'))
model.add(Activation('relu'))

model.add(Conv2D(filters = 128, kernel_size = 5))
model.add(Conv2D(filters = 128, kernel_size=5))
model.add(BatchNormalization())
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Activation('relu'))

model.add(Conv2D(filters = 256, kernel_size = 5))
model.add(Conv2D(filters = 256, kernel_size=5))
model.add(BatchNormalization())
model.add(MaxPooling2D(pool_size=(2,2)))
model.add(Activation('relu'))

model.add(Flatten())
model.add(Dense(128))
model.add(BatchNormalization())
model.add(Activation('relu'))
model.add(Dropout(0.25))
model.add(Dense(7,activation='softmax'))

''' 'Then tried to compile' '''

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
history = model.fit(input_array, output_array, batch_size = 64, epochs= 20, validation_split=0.10,)

''' 'This gives the error' 'ValueError: Shapes (None, 1) and (None, 7) are incompatible' 'I am using google colab for this'

Answer 1

您很可能使用稀疏编码的标签，例如 [0,1,2,3,4,5,6] 而不是单热编码形式。

您的解决方案是选择以下之一：

使用one-hot-encoded形式，即将每个标签转换为长度==number_of_classes的数组。也就是说，对于 0 你会有 [1,0,0,0,0,0,0] 对于 1 你会有 [0,1,0,0,0,0,0] 等等
使用sparse_categorical_crossentropy。如果您使用此损失函数，OHE 步骤将在幕后完成，您不再需要处理输入训练 + 验证标签。

Answer 2

如果您对 [0, 0, 0, 0, 0, 0, 1] 这样的标签使用单热编码，则需要使用 categorical_crossentropy 但是如果你使用像 [1, 2, 3, 4, 5, 6, 7] 这样的稀疏标签，你需要使用 sparse_categorical_crossentropy.

how can I overcome "ValueError: Shapes (None, 1) and (None, 7) are incompatible"

how can I overcome "ValueError: Shapes (None, 1) and (None, 7) are incompatible"

python

tensorflow

keras-layer