张量流（使用 Keras）中出现“InvalidArgumentError：形状不兼容：[10,2] vs. [10]”的原因是什么？

我正在尝试使用 CNN 来使用 Tensorflow 和 Keras 进行对象检测。我对此相当陌生，所以我使用教程作为指南，但有我自己的设置和其他一些东西。我得到的错误是 Tensorflow 的形状与 [x,2] 与 [x] 不兼容，其中 x 是我拥有的任意数量的训练图像，2 是类的数量。我使用少量图像只是为了测试，但我很确定这不是问题？

我尝试了不同倍数的训练图像，但没有成功，并且我查看了 model.summary() 以查看模型是否完全按照我想要的方式布局。另外，我还打印了训练图像的形状及其标签，它们看起来是正确的。

图像大小为 28 x 28 像素，平面大小为 784，完整形状为 (28,28,1)，1 是通道数（灰度）。我只有两个类，总共只有 10 张训练图像（如果这被认为是问题所在，我可以得到更多）。

model = Sequential()

model.add(InputLayer(input_shape=(img_size_flat,)))

model.add(Reshape(img_shape_full))

model.add(Conv2D(kernel_size=5, strides=1, filters=16, padding='same',
                 activation='relu', name='layer_conv1'))
model.add(MaxPooling2D(pool_size=2, strides=2))

model.add(Conv2D(kernel_size=5, strides=1, filters=36, padding='same',
                 activation='relu', name='layer_conv2'))
model.add(MaxPooling2D(pool_size=2, strides=2))

model.add(Flatten())

model.add(Dense(128, activation='relu'))

model.add(Dense(num_classes, activation='softmax'))

from tensorflow.python.keras.optimizers import Adam
optimizer = Adam(lr=1e-3)

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

from tensorflow.python.keras.utils import to_categorical
model.fit(x=data.train,
    y=to_categorical(data.train_labels),
    batch_size=128, epochs=1)

我在标签上使用 to_categorical() 只是因为它们以某种方式转换为整数。我检查了它们是否保留了正确的值等。

我打印了模型摘要来检查布局：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
reshape (Reshape)            (None, 28, 28, 1)         0         
_________________________________________________________________
layer_conv1 (Conv2D)         (None, 28, 28, 16)        416       
_________________________________________________________________
max_pooling2d (MaxPooling2D) (None, 14, 14, 16)        0         
_________________________________________________________________
layer_conv2 (Conv2D)         (None, 14, 14, 36)        14436     
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 7, 7, 36)          0         
_________________________________________________________________
flatten (Flatten)            (None, 1764)              0         
_________________________________________________________________
dense (Dense)                (None, 128)               225920    
_________________________________________________________________
dense_1 (Dense)              (None, 2)                 258       
=================================================================
Total params: 241,030
Trainable params: 241,030
Non-trainable params: 0
_________________________________________________________________
None

我打印了 numpy 数据的大小：

print(data.train.shape)
print(data.train_labels.shape)

打印

(10, 784) #This is the shape of the images
(10, 2) #This is the shape of the labels

Error:

2019-04-08 10:46:40.239226: I tensorflow/stream_executor/dso_loader.cc:152] successfully opened CUDA library cublas64_100.dll locally
Traceback (most recent call last):
  File "C:/Users/bunja/Dev/testCellDet/project/venv/main.py", line 182, in <module>
    batch_size=128, epochs=1)
  File "C:\Users\bunja\Miniconda3\lib\site-packages\tensorflow\python\keras\engine\training.py", line 880, in fit
    validation_steps=validation_steps)
  File "C:\Users\bunja\Miniconda3\lib\site-packages\tensorflow\python\keras\engine\training_arrays.py", line 329, in model_iteration
    batch_outs = f(ins_batch)
  File "C:\Users\bunja\Miniconda3\lib\site-packages\tensorflow\python\keras\backend.py", line 3076, in __call__
    run_metadata=self.run_metadata)
  File "C:\Users\bunja\Miniconda3\lib\site-packages\tensorflow\python\client\session.py", line 1439, in __call__
    run_metadata_ptr)
  File "C:\Users\bunja\Miniconda3\lib\site-packages\tensorflow\python\framework\errors_impl.py", line 528, in __exit__
    c_api.TF_GetCode(self.status.status))
tensorflow.python.framework.errors_impl.InvalidArgumentError: Incompatible shapes: [10,2] vs. [10]
     [[{{node metrics/acc/Equal}}]]
     [[{{node loss/mul}}]]

可以看出，摘要显示dense_1 的输出形状为(None, 2)。这是我遇到问题的地方吗，因为我有不兼容形状的错误：[x,2] vs. [x]？我检查了我最初用来学习这些东西的教程，发现没有重大差异。我对此仍然很陌生，所以可能有点小，而且我可能会丢失一些信息，所以如果您有任何疑问，请询问。谢谢你！！！！！

额外信息：

GPU：GeForce GTX 1080 主要：6 次要：1 内存时钟频率（GHz）：1.7335

张量流版本：1.13.1

Python版本：Python 3.7.3

以下是对 to_categorical 形状进行注释的代码：

print(data.train_labels.shape)
print()
print(to_categorical(data.train_labels).shape)

Output:

(10, 2)

(10, 2, 2)

我有一种感觉这可能是我错误的根源？但我不知道如何解决它......

to_categorical通常当你有列表格式的标签并且需要执行时使用one-hot编码以便将其转换为正确的形状，以便在训练期间将其提供给模型。

但就您而言，您的标签已经与您在模型中定义的形状相同，因此one-hot编码不是必需的。

您可以查看None as batch_size这将使您更清楚地了解数据如何从输入转换为输出。

谢谢！