问题:
使用matlab深度学习工具箱进行标签分类,设置XTrain为输入是n×1的元胞数组,每个元胞数据有6个特征值,YTrain输出是n×1的元胞数组,内容为标签'0'或‘1’。
LSTM层和options设置如下:
layers = [ ...
sequenceInputLayer(inputsize)
bilstmLayer(numHiddenUnits,'OutputMode','last')
fullyConnectedLayer(numClasses)
softmaxLayer
classificationLayer];
options = trainingOptions('adam', ...
'MaxEpochs',10, ...
'GradientThreshold',2, ...
'InitialLearnRate',0.005, ...
'LearnRateSchedule','piecewise', ...
'LearnRateDropPeriod',100, ...
'LearnRateDropFactor',0.2, ...
'Verbose',0, ...
'Plots','training-progress',...
'SequenceLength','longest', ...
'MiniBatchSize',3);
利用深度学习工具进行lstm模型训练时,运行下方代码一直报这个错误。
net = trainNetwork(XTrain,YTrain,layers,options);
报错:
无效的训练数据。响应必须为分类响应的向量,或者为分类响应序列的元胞数组。
解决方案:
看了好多才发现自己有点呆,LSTM使用classificationLayer分类层时,YTrain需要使用标签元胞categoryCell,所以我的YTrain输入使用元胞数组、矩阵都是不行的,需要将ytrain转化为标签类型。使用categorical函数将ytrain改成标签类型。
dataTrain_output = categorical(dataTrain_output);
再重新训练就可以啦,开心~