Keras：致密层和活化层之间的形状不匹配

Question

一直在尝试在Keras中制作神经网络，但遇到了一个问题，即我的一个密集层和激活层之间存在形状不匹配。我错过了一些明显的东西吗？使用Tensorflow后端。

print(x_train.shape)
print(y_train.shape)
(1509, 476, 4)
(1509,)

那么我的模型如下：

###Setup Keras to create a bidirectional convolutional recurrent NN based on DanQ NN
###See https://github.com/uci-cbcl/DanQ
model = Sequential()

model.add(Conv1D(filters=320,
                 kernel_size=26,
                 padding="valid",
                 activation="relu",
                 strides=1, 
                 input_shape=(476, 4)
                ))

model.add(MaxPooling1D(pool_size=13, strides=13))

model.add(Dropout(0.2))

model.add(keras.layers.wrappers.Bidirectional(LSTM(320, return_sequences=True, input_shape=(None, 320))))

model.add(Flatten())

model.add(Dense(input_dim=34*640, units=925))
model.add(Activation('relu'))

model.add(Dense(input_dim=925, units=919))
model.add(Activation('sigmoid'))

print('compiling model')
model.compile(loss='binary_crossentropy', optimizer='rmsprop', class_mode="binary")

print('running at most 60 epochs')

model.fit(x_train, y_train.T, batch_size=100, epochs=60, shuffle=True, verbose=2, validation_split=0.1)

tresults = model.evaluate(x_test, y_test, verbose=2)

print(tresults)

print(model.output_shape)

但我得到以下错误：

ValueError: Error when checking target: expected activation_48 to have shape (None, 919) but got array with shape (1509, 1)

该错误似乎源自使用sigmoid激活输入到第二激活层。例如：

model.add(Dense(input_dim=925, units=919))
model.add(Activation('sigmoid'))

为什么会出现不匹配？

Answer 1

在你的代码中，

model.add(Conv1D(filters=320,
             kernel_size=26,
             padding="valid",
             activation="relu",
             strides=1, 
             input_shape=(476, 4)
            ))

尝试在input_shape=（476,4）的位置添加input_dim=4。也许它会起作用。

Answer 2

正如@djk47463的评论中提到的，您的输出现在是每个样本有919个值，因为这是网络最后一层中的单元数。若要更正此问题，请将上一层的单位设置为1，或添加输出尺寸为1的新最终层。