第一个 CNN 和形状错误

如何解决第一个 CNN 和形状错误

我刚刚开始构建我的第一个 CNN。我正在用MNIST数据集练习，这是我刚刚写的代码：

from tensorflow.keras.datasets import mnist
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv1D,Dropout,Flatten,Dense
from tensorflow.keras.losses import categorical_crossentropy
from tensorflow.keras.optimizers import Adam
from sklearn.preprocessing import RobustScaler
import os
import numpy as np
import matplotlib.pyplot as plt

# CONSTANTS
EPOCHS = 300
TIME_STEPS = 30000
NUM_CLASSES = 10

# Loading data
print('Loading data:')
(train_X,train_y),(test_X,test_y) = mnist.load_data()
print('X_train: ' + str(train_X.shape))
print('Y_train: ' + str(train_y.shape))
print('X_test:  ' + str(test_X.shape))
print('Y_test:  ' + str(test_y.shape))
print('------------------------------')

# Splitting train/val
print('Splitting training/validation set:')
X_train = train_X[0:TIME_STEPS,:]
X_val = train_X[TIME_STEPS:TIME_STEPS*2,:]
print('X_train: ' + str(X_train.shape))
print('X_val: ' + str(X_val.shape))


# Normalizing data
print('------------------------------')
print('Normalizing data:')
X_train = X_train/255
X_val = X_val/255
print('X_train: ' + str(X_train.shape))
print('X_val: ' + str(X_val.shape))


# Building model
model = Sequential()
model.add(Conv1D(filters=32,kernel_size=5,input_shape=(28,28)))
model.add(Conv1D(filters=16,kernel_size=4,activation="relu"))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(64,activation='relu'))
model.add(Dense(NUM_CLASSES,activation='softmax'))

model.compile(optimizer=Adam(),loss=categorical_crossentropy,metrics=['accuracy'])
model.summary()

model.fit(x=X_train,y=X_train,batch_size=10,epochs=EPOCHS,shuffle=False)

我将解释我所做的，任何更正都会有所帮助，以便我了解更多信息：

1. 我做的第一件事是将训练集分成两部分：训练部分和验证部分，我想先进行训练，然后再在测试集上进行测试。
2. 然后，我对数据进行了标准化（这是我们处理图像时的标准吗？）
3. 然后我用一个简单的结构构建了我的 CNN：第一层是获取输入的层（维度为 28x28），我选择了 32 个过滤器，它们应该足以在这个数据集上表现良好。内核大小是我不理解的，因为我认为内核相当于过滤器。我选择了一个较低的数字以避免出现问题。第二层和上一层类似，但是现在有了激活函数（relu，不过我不服气，本来想用softmax把一组概率传给全连接层的）
4. 最后 3 层是获得输出的全连接层。

在 fit 函数中，我使用了 10 的批量大小，我认为这可能是我收到错误的原因之一：

ValueError: Shapes (10,28,28) 和 (10,10) 不兼容

即使删除它我仍然收到以下错误：

ValueError: Shapes (None,28) 和 (None,10) 不兼容

我是否遗漏了一些重要的东西？

解决方法

您将 X_train 变量传入两次，一次作为 x 参数，一次作为 y 参数。不应将 X_train 作为 y 中的 .fit() 参数传入，而应传入您试图预测的值数组。鉴于您使用的是 MNIST，假设您正在尝试预测书写的数字，因此您的 y 数组的形状应为 (n_samples,10)，数字是单热编码的。