我有这样一个模型，它试图对猫和狗进行分类：
model = Sequential([Conv2D(128, kernel_size=(3,3), activation='relu', input_shape=(IMG_HEIGHT, IMG_WIDTH, 3)),
MaxPooling2D(pool_size=(2,2)),
Conv2D(64, kernel_size=(3,3), activation='relu'),
MaxPooling2D(pool_size=(2,2)),
Flatten(),
Dense(32, activation='relu'),
Dense(2, activation='softmax')]) # pick between 2 different possible outputs
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
model.summary()然后试着像这样运行这个模型：
history = model.fit(x=train_data_gen, steps_per_epoch=total_train//batch_size,
epochs=epochs, batch_size=batch_size,
validation_data=val_data_gen,
validation_steps=total_val//batch_size)但是，我得到了这个ValueError：
ValueError: `logits` and `labels` must have the same shape, received ((None, 2) vs (None, 1)).如果我将最后一个密集层的维度更改为1，则会运行此操作，但我需要一个具有2个输出层的二元分类，并在它们之间进行softmax以分析测试数据。如何修复我的train_data_gen以匹配维度，因为它是keras.preprocessing.image.DirectoryIterator对象，定义如下：
train_data_gen = train_image_generator.flow_from_directory(batch_size=batch_size,
directory=train_dir,
target_size=(IMG_HEIGHT, IMG_WIDTH),
class_mode='binary')有没有一种方法可以重塑这个对象，使我的模型正确运行，因为我似乎找不到关于这个对象的对象，或者如果我需要先将其转换为一个numpy数组或Tensor。还有，我如何分类这些模型中的维度/过滤器参数？我选择了128，64，32，并削减了2，因为这是我在网上看到的，但如果能解释一下为什么选择这些值，那将大大帮助我。2提前感谢你的帮助！
1条答案
按热度按时间t1qtbnec1#
感谢Jay Mody的回复。我当时正在度假，暂时离开了这个项目，但是你的建议是正确的，对理解我的工作很有用。我还想提到一些其他的错误，这些错误导致了更糟糕/无用的模型性能。
steps_per_epoch和validation_steps参数并不完全正确，但是产生了奇怪的图形，我在其他在线示例x1c 0d1x中没有看到这些图形我通过这个网站了解了它们是如何实现的，在我的例子中，将训练图像和验证图像的计数替换为相应的大小。
我还尝试了一下我的模型的过滤器参数，发现这个resource很有帮助。我的模型现在看起来是这样的，并且工作得很好：
希望这对别人有帮助，这整个领域仍然让我困惑但我们继续：）