Error when checking model target: expected activation_2 to have shape (None, 10) but got array with

最新推荐文章于 2021-07-12 22:39:13 发布
最新推荐文章于 2021-07-12 22:39:13 发布
阅读量2.5k 收藏 1
点赞数
分类专栏： keras error keras 从入门开始
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013249853/article/details/89356195
版权
本文探讨了在使用reshape层调整输出维度时，确保GTlabel（地面真实标签）与之匹配的重要性。当reshape层的输出为10长度，而标签仍保持1长度时，会出现维度不匹配的问题，导致训练过程无法正常进行。
摘要由CSDN通过智能技术生成

我遇到了这个问题，因为我在用reshape层后，忘了改我的GT label的尺寸。

reshape最终的输出是10长度的，但是标签用的还是1长度的

就是(0,0,1,0,0,0,0,...)与3的不匹配

TinaO-O
关注
专栏目录
one hot ValueError: Error when checking target: expected activation_7 to have shape (2,) but got arr
Hello Word!
03-30 1万+
ValueError: Error when checking target: expected activation_7 to have shape (2,) but got array with shape (1,) 原贴：https://stackoverflow.com/questions/49392972/error-when-checking-target-expected-dens...
Error when checking model target: expected no data, but got:‘, array
weixin_45721776的博客
08-01 2213
**Error when checking model target: expected no data, but got:', array** 这个问题出现得很奇怪，我用tf.keras搭建了一个model，输入输出的shape都是和我的训练数据及标签相同。均为（None，30，1），但是训练(fit)的时候报了这个错误。我尝试改了几个地方都没效果，后来我想到我的模型里面有膨胀卷积，是不是我的timestep(30)太小了导致的，我把数据的shape改成了（None，128，1），发现错误没有了，可以正常
Error when checking target: expected activation_9 to have shape (2,) but got array with shape (5,)
阅读修身
07-12 632
问题描述： 在从二分类做到五分类的时候，报错如下： Error when checking target: expected activation_9 to have shape (2,) but got array with shape (5,) 解决方案 y1=keras.layers.core.Dense(5)(y1)#五分类而非二分类 y_train = keras.utils.to_categorical(y_train,num_classes=5) ...
ValueError: Error when checking input: expected input_1 to have 2 dimensions, but got array with sha
liguandong
02-28 5万+
在使用全连接层进行对mnist数据进行分类识别时，爆了这个错： ValueError: Error when checking input: expected input_1 to have 2 dimensions, but got array with shape (60000, 28, 28) 意思也很明白，就是模型希望输入一个2维的tensor进来，结果输入进来了（60000,28
使用keras时出现:ValueError: Error when checking target: expected conv1d_15 to have 3 dimensions, but got
weixin_43790560的博客
06-25 6957
出现这个问题的原因是model.fit()的时候训练数据的shape和标签的shape不一致，要想解决这个问题，必须使两者的shape一致，才不会报错。
Error when checking target: expected activation_4 to have shape (1,) but got array with shape (3,)
nizhongming的博客
08-28 1万+
from dataSet import DataSet from keras.models import Sequential,load_model from keras.layers import Dense,Activation,Convolution2D,MaxPooling2D,Flatten,Dropout import numpy as np 建立一个基于CNN的人脸识别模型 ...
Error when checking target: expected add_6 to have shape (3, 3) but got array with shape (3, 1）是报错，源代码为import pandas as pd import numpy as np import matplotlib.pyplot as plt from keras.models import Model, Input from keras.layers import Conv1D, BatchNormalization, Activation, Add, Flatten, Dense from keras.optimizers import Adam # 读取CSV文件 data = pd.read_csv("3c_left_1-6.csv", header=None) # 将数据转换为Numpy数组 data = data.values # 定义输入形状 input_shape = (data.shape[1], 1) # 定义深度残差网络 def residual_network(inputs): # 第一层卷积层 x = Conv1D(32, 3, padding="same")(inputs) x = BatchNormalization()(x) x = Activation("relu")(x) # 残差块 for i in range(5): y = Conv1D(32, 3, padding="same")(x) y = BatchNormalization()(y) y = Activation("relu")(y) y = Conv1D(32, 3, padding="same")(y) y = BatchNormalization()(y) y = Add()([x, y]) x = Activation("relu")(y) # 全局池化层和全连接层 x = Flatten()(x) x = Dense(128, activation="relu")(x) x = Dense(data.shape[1], activation="linear")(x) outputs = Add()([x, inputs]) return outputs # 构建模型 inputs = Input(shape=input_shape) outputs = residual_network(inputs) model = Model(inputs=inputs, outputs=outputs) # 编译模型 model.compile(loss="mean_squared_error", optimizer=Adam()) # 训练模型 model.fit(data[..., np.newaxis], data[..., np.newaxis], epochs=100) # 预测数据 predicted_data = model.predict(data[..., np.newaxis]) # 可视化去噪前后的数据 fig, axs = plt.subplots(3, 1, figsize=(12, 8)) for i in range(3): axs[i].plot(data[:, i], label="Original Signal") axs[i].plot(predicted_data[:, i], label="Denoised Signal") axs[i].legend() plt.savefig("denoised_signal.png") # 将去噪后的数据保存为CSV文件 df = pd.DataFrame(predicted_data, columns=["x", "y", "z"]) df.to_csv("denoised_data.csv", index=False)
05-10
这个错误是因为你的目标值的形状不对，你期望的形状是(3, 3)，但是你的目标值的形状是(3, 1)。你可以检查一下你的代码，看看是否有问题。你可以在训练模型时使用`verbose=1`参数，这样就可以看到更详细的训练信息，...
迁移学习mobilenetV2遇到的问题
weixin_42680686的博客
03-13 1597
1. 报错：ValueError:Errorwhencheckingtarget:expecteddense_2tohave4dimensions,butgotarray with shape (32,6) base_model = mobilenet_v2.MobileNetV2( include_top=False, weights...
import pandas as pd import numpy as np import matplotlib.pyplot as plt from keras.models import Model, Input from keras.layers import Conv1D, BatchNormalization, Activation, Add, Flatten, Dense from keras.optimizers import Adam # 读取CSV文件 data = pd.read_csv("3c_left_1-6.csv", header=None) # 将数据转换为Numpy数组 data = data.values # 定义输入形状 input_shape = (data.shape[1], 1) # 定义深度残差网络 def residual_network(inputs): # 第一层卷积层 x = Conv1D(32, 3, padding="same")(inputs) x = BatchNormalization()(x) x = Activation("relu")(x) # 残差块 for i in range(5): y = Conv1D(32, 3, padding="same")(x) y = BatchNormalization()(y) y = Activation("relu")(y) y = Conv1D(32, 3, padding="same")(y) y = BatchNormalization()(y) y = Add()([x, y]) x = Activation("relu")(y) # 全局池化层和全连接层 x = Flatten()(x) x = Dense(128, activation="relu")(x) x = Dense(data.shape[1], activation="linear")(x) outputs = Add()([x, inputs]) return outputs # 构建模型 inputs = Input(shape=input_shape) outputs = residual_network(inputs) model = Model(inputs=inputs, outputs=outputs) # 编译模型 model.compile(loss="mean_squared_error", optimizer=Adam()) # 训练模型 model.fit(data[..., np.newaxis], np.squeeze(data), epochs=100) # 预测数据 predicted_data = model.predict(data[..., np.newaxis]) predicted_data = np.squeeze(predicted_data) # 可视化去噪前后的数据 fig, axs = plt.subplots(3, 1, figsize=(12, 8)) for i in range(3): axs[i].plot(data[:, i], label="Original Signal") axs[i].plot(predicted_data[:, i], label="Denoised Signal") axs[i].legend() plt.savefig("denoised_signal.png") # 将去噪后的数据保存为CSV文件 df = pd.DataFrame(predicted_data, columns=["x", "y", "z"]) df.to_csv("denoised_data.csv", index=False)报错为Traceback (most recent call last): File "G:\project2\main.py", line 51, in <module> model.fit(data[..., np.newaxis], np.squeeze(data), epochs=100) File "G:\python\envs\tensorflow\lib\site-packages\keras\engine\training.py", line 1154, in fit batch_size=batch_size) File "G:\python\envs\tensorflow\lib\site-packages\keras\engine\training.py", line 621, in _standardize_user_data exception_prefix='target') File "G:\python\envs\tensorflow\lib\site-packages\keras\engine\training_utils.py", line 135, in standardize_input_data 'with shape ' + str(data_shape)) ValueError: Error when checking target: expected add_6 to have 3 dimensions, but got array with shape (575206, 3)
05-10
这个错误是因为模型输出的shape与目标数据的shape不一致。在模型的最后一层使用了Add()层，将模型输出和原始输入相加，使得模型输出的shape与原始输入的shape一致。但是在训练模型时，目标数据的shape并没有与模型...
import pandas as pd import numpy as np import matplotlib.pyplot as plt from keras.models import Model, Input from keras.layers import Conv1D, BatchNormalization, Activation, Add, Flatten, Dense from keras.optimizers import Adam # 读取CSV文件 data = pd.read_csv("3c_left_1-6.csv", header=None) # 将数据转换为Numpy数组 data = data.values # 定义输入形状 input_shape = (data.shape[1], 1) # 定义深度残差网络 def residual_network(inputs): # 第一层卷积层 x = Conv1D(32, 3, padding="same")(inputs) x = BatchNormalization()(x) x = Activation("relu")(x) # 残差块 for i in range(5): y = Conv1D(32, 3, padding="same")(x) y = BatchNormalization()(y) y = Activation("relu")(y) y = Conv1D(32, 3, padding="same")(y) y = BatchNormalization()(y) y = Add()([x, y]) x = Activation("relu")(y) # 全局池化层和全连接层 x = Flatten()(x) x = Dense(128, activation="relu")(x) x = Dense(data.shape[1], activation="linear")(x) outputs = Add()([x, inputs]) return outputs # 构建模型 inputs = Input(shape=input_shape) outputs = residual_network(inputs) model = Model(inputs=inputs, outputs=outputs) # 编译模型 model.compile(loss="mean_squared_error", optimizer=Adam()) # 训练模型 model.fit(data[..., np.newaxis], data[..., np.newaxis, np.newaxis], epochs=100) # 预测数据 predicted_data = model.predict(data[..., np.newaxis]) predicted_data = np.squeeze(predicted_data) # 可视化去噪前后的数据 fig, axs = plt.subplots(3, 1, figsize=(12, 8)) for i in range(3): axs[i].plot(data[:, i], label="Original Signal") axs[i].plot(predicted_data[:, i], label="Denoised Signal") axs[i].legend() plt.savefig("denoised_signal.png") # 将去噪后的数据保存为CSV文件 df = pd.DataFrame(predicted_data, columns=["x", "y", "z"]) df.to_csv("denoised_data.csv", index=False)报错为Traceback (most recent call last): File "G:\project2\main.py", line 51, in <module> model.fit(data[..., np.newaxis], data[..., np.newaxis, np.newaxis], epochs=100) File "G:\python\envs\tensorflow\lib\site-packages\keras\engine\training.py", line 1154, in fit batch_size=batch_size) File "G:\python\envs\tensorflow\lib\site-packages\keras\engine\training.py", line 621, in _standardize_user_data exception_prefix='target') File "G:\python\envs\tensorflow\lib\site-packages\keras\engine\training_utils.py", line 135, in standardize_input_data 'with shape ' + str(data_shape)) ValueError: Error when checking target: expected add_6 to have 3 dimensions, but got array with shape (575206, 3, 1, 1)
最新发布
05-10
在训练模型时，你传入的目标数据的维度应该是 (batch_size, data_shape)，而你传入的数据的维度是 (batch_size, data_shape, 1, 1)。你可以尝试将目标数据的维度改为 (batch_size, data_shape, 1)。修改代码如下： ...
ValueError: Error when checking target: expected dense_1 to have 3 dimensions, but got array with sh
shadowkillerss的博客
05-11 3909
出现这个是因为你输入的时候是一个三维的，经过一个dense也好，还是经过一个lstm层也好这一层的输出也是一个三维的，你并没有进行任何降维，所以在进行最后输出的时候，把这个三维的碾平就行了 model = tf.keras.models.Sequential() inputs = tf.keras.layers.Input(shape=(500,40,)) model.add(tf.keras.layers.Dense(10,activation='softmax')) tf.keras.layers.Dr
keras训练CIFAR10报错--ValueError: Error when checking target: expected dense_2 to have 2 dimensions
景唯acr
01-11 2万+
用keras训练CIFAR10时候，报以下错误： ValueError: Error when checking target: expected dense_2 to have 2dimensions, but got array with shape (10000, 1, 10) 将y的shape打印出来后发现： （前两行为原始的CIFAR10的尺寸，后两行为转为one-hot编码后的尺...
ValueError: Error when checking : expected input_1 to have 4 dimensions, but got array with shape (X
jacke121的专栏
01-25 1万+
ValueError: Error when checking : expected input_1 to have 4 dimensions, but got array with shape (50, 50, 3) 原因：预测的时候给的是数组，需要转成array，np.asarray(imagelist) 下面是正确代码： path = '../../white_mo
Faster R-CNN代码实战（python）日志 （过程中遇到的错误总结 疑惑解答 各种知识点记录）
Sandwichsauce的博客
04-12 6249
目录 2018.3.19（二） 开始 报错：'NoneType' AttributeError: 'NoneType' object has no attribute 'shape' pass和continue的区别：continue表示跳过后面的程序，重新循环，而pass表示站位，后面的代码（else之前）还是会执行 报错：ValueError: Shape must be ...
Error when checking target: expected conv2d_24 to have 4 dim, but got array with shape (4, 512,512)
cjhxydream的博客
12-31 843
1. 错误详情 ValueError: Error when checking target: expected conv2d_24 to have 4 dimensions, but got array with shape (4, 512, 512) 2. 代码详情 使用keras搭建的u_net网络，刚开始使用kaggle提供的数据集，我想使用tusimple提供的车道线数据集去检测，换了图片文件之后，就出现上述错误 遂百度，查到很多答案，看到一个博客给了我灵感，然后我就对比两个数据集的差异，结果如
多层LSTM神经网络），出现ValueError: Input 0 is incompatible with layer lstm_21: expected ndim=3, found错误
热门推荐
zds的博客
04-23 6万+
下面是LSTM模型，运行后出现ValueError: Input 0 is incompatible with layer lstm_21: expected ndim=3, found错误model = Sequential()model.add(LSTM(50, activation='tanh',input_shape=(X_train.shape[1],X_train.shape[2]))...
ValueError: Error when checking target: expected dense_1 to have shape (2,) but got array with shape (3,)
05-02
这个错误通常是因为您的目标数据的形状（shape）与您的模型期望的形状不一致导致的。请检查您的目标数据的形状是否正确，特别是目标数据的最后一维是否与您的模型最后一层的输出形状相同。 如果您的目标数据确实有...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值