我正在尝试使用 flow_from_directory 来训练我的模型。我使用的损失是 binary_crossentropy,它需要在 Y_train 数据上调用 to_categorical 函数。我不知道如何为 flow_from_directory 执行此操作,程序会抛出以下错误:
Traceback (most recent call last):
File "vgg16-sim-conn-rmsprop-2-main.py", line 316, in <module>
epochs=25
File "/home/yx96/anaconda2/lib/python2.7/site-packages/keras/legacy/interfaces.py", line 8
8, in wrapper
return func(*args, **kwargs)
File "/home/yx96/anaconda2/lib/python2.7/site-packages/keras/engine/training.py", line 187
6, in fit_generator
class_weight=class_weight)
File "/home/yx96/anaconda2/lib/python2.7/site-packages/keras/engine/training.py", line 161
4, in train_on_batch
check_batch_axis=True)
File "/home/yx96/anaconda2/lib/python2.7/site-packages/keras/engine/training.py", line 129
9, in _standardize_user_data
exception_prefix='model target')
File "/home/yx96/anaconda2/lib/python2.7/site-packages/keras/engine/training.py", line 133
, in _standardize_input_data
str(array.shape))
ValueError: Error when checking model target: expected predictions to have shape (None, 2) b
ut got array with shape (100, 1)
我使用的数据生成器是:
train_datagen = ImageDataGenerator(
featurewise_center=True,
horizontal_flip=True,
zoom_range=0.2,
data_format="channels_last"
)
train_generator = train_datagen.flow_from_directory(
'./train',
target_size=(224, 224),
batch_size=100,
class_mode='binary'
)
fit_generator 是:
model.fit_generator(
train_generator,
steps_per_epoch=2500,
epochs=25
)
请您参考如下方法:
如果您使用 binary_crossentropy 作为损失函数,那么您正确地设置了 class_mode='binary'。
但是您可能失败的地方是您模型的最后一层,并且由于您没有向我们展示模型而未显示在您的帖子中。
您可能有一个Dense(2, activation='softmax')。这是“单热”或分类交叉熵版本。如果你想使用二进制,你只输出一个介于 0 和 1 之间的值。你可以这样做:
Dense(1, activation = 'sigmoid')
我希望这能解决您的问题:-)
