ValueError：形状（无，）和（无，24,24,5）不兼容

Question

我正在尝试对血液的图像数据及其spo2值（血液中的氧气百分比）进行分类，spo2值有4类

X_train.shape => (8969, 224, 224, 3)
y_train.shape => (8969,)

模型的输出将是spo2的百分比

y_train.shape
>>> array([98, 98, 95, ..., 98, 95, 98])

模型架构

X_train = np.array(X_train)
y_train = np.array(y_train)

model = Sequential()
model.add(Conv2D(filters=64 , kernel_size=(3,3), activation='relu' , input_shape = (X_train.shape[1:])))
model.add(MaxPool2D(pool_size=(3,3)))
model.add(Conv2D(filters=32 , kernel_size=(3,3), activation='relu'))
model.add(MaxPool2D(pool_size=(3,3)))
model.add(Dense(units=512 , activation='relu'))  
model.add(Dense(units=128 , activation='relu'))  
model.add(Dense(units=4, activation='softmax')) 

model.compile(optimizer='adam' , loss='categorical_crossentropy' ,  metrics=(['accuracy']))
history = model.fit(X_train , y_train , epochs=5)

拟合模型时出现错误

ValueError: Shapes (None,) and (None, 24, 24, 4) are incompatible

Answer 1

这可能不是实际问题，但当我删除卷积网络上的扁平化层时，我也遇到了类似的错误。您在第二个最大池化层和第一个密集层之间缺少一个Flatten（）层。像这样编辑代码：

...
model.add(MaxPool2D(pool_size=(3,3)))
model.add(Flatten())
model.add(Dense(units=512 , activation='relu'))  
...

下面是关于平坦层的更多信息：“平坦”在Keras中的作用是什么？