如何将一个标签应用于 Keras 神经网络的 NumPy 维度？

Question

我目前正在使用 Keras 开发一个简单的神经网络，但我运行遇到了标签问题。网络正在做出二元选择，因此，我的标签都是 1 和 0。我的数据由 3d NumPy 数组组成，基本上是来自一堆图像的像素数据。它的形状是 (560, 560, 32086)。但是，由于前两个维度只是像素，我不应该为每个维度分配一个标签，所以我尝试制作形状为 (1, 1, 32086) 的标签数组，以便每个图像只有 1 个标签。但是，当我尝试使用以下代码对其进行编译时：

model = Sequential(
    [
        Rescaling(1.0 / 255),
        Conv1D(32, 3, input_shape=datax.shape, activation="relu"),
        Dense(750, activation='relu'),
        Dense(2, activation='sigmoid')
    ]
)
model.compile(optimizer=SGD(learning_rate=0.1), loss="binary_crossentropy", metrics=['accuracy'])
model1 = model.fit(x=datax, y=datay, batch_size=1, epochs=15, shuffle=True, verbose=2)

我收到此错误“ValueError：数据基数不明确： x 尺寸：560 y尺寸：1 确保所有数组包含相同数量的样本。”我假设这意味着标签必须与输入数据大小相同，但这对于每个像素都有单独的标签没有意义。

数据是通过 for 循环收集的，循环遍历目录中的文件并读取它们的像素数据。然后我将其添加到 NumPy 数组并将其对应的标签添加到标签数组。对此问题的任何帮助将不胜感激。

Answer 1

出现ValueError是因为第一个维度应该是样本数，并且x和y需要相同。在您的示例中，情况并非如此。您需要 datax 才能具有 (32086, 560, 560) 的形状，并且 datay 应该是 (32086,).

查看 this example 并注意 60000 张训练图像的形状 (60000, 28, 28)。

我还怀疑您的代码中还存在一些错误：

您确定要 Conv1D 层而不是 Conv2D 层吗？也许 this example 会提供信息。
由于您使用的是二元交叉熵损失，因此您的最后一层应该只有一个输出而不是两个。

如何将一个标签应用于 Keras 神经网络的 NumPy 维度？

How to apply one label to a NumPy dimension for a Keras Neural Network?

python

numpy

neural-network

keras

tensorflow