Kerasマルチクラスモデルに

Question

Keras新しい、からこの次のバイナリ画像分類の例を再実装しようとしている：それは私のために、バイナリの分類のために働くhttps://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html

。 3クラス分類のために、私は取得していますが、それを再構築、次の寸法が不一致エラー：

 60   epochs=50, 
    61   validation_data=validation_generator, 
---> 62   validation_steps=250 // batch_size) 
ValueError: Error when checking target: expected activation_50 to have shape (None, 1) but got array with shape (16, 3) 

これは私の現在の実装である：私は出力層の活性化機能を変更したこれまでのところ

from keras.preprocessing.image import ImageDataGenerator 
from keras.models import Sequential 
from keras.layers import Conv2D, MaxPooling2D 
from keras.layers import Activation, Dropout, Flatten, Dense 
from keras import backend as K 
K.set_image_dim_ordering('th') 
batch_size = 16 

# this is the augmentation configuration we will use for training 
train_datagen = ImageDataGenerator(
     rescale=1./255, 
     shear_range=0.2, 
     zoom_range=0.2, 
     horizontal_flip=True) 

# this is the augmentation configuration we will use for testing: 
# only rescaling 
test_datagen = ImageDataGenerator(rescale=1./255) 

# this is a generator that will read pictures found in 
# subfolers of 'data/train', and indefinitely generate 
# batches of augmented image data 
train_generator = train_datagen.flow_from_directory(
     'F://train_data//', # this is the target directory 
     target_size=(150, 150), # all images will be resized to 150x150 
     batch_size=batch_size, 
     class_mode='categorical') # since we use binary_crossentropy loss, we need binary labels 

# this is a similar generator, for validation data 
validation_generator = test_datagen.flow_from_directory(
     'F://validation_data//', 
     target_size=(150, 150), 
     batch_size=batch_size, 
     class_mode='categorical') 

model = Sequential() 

model.add(Conv2D(32, (3, 3), input_shape=(3, 150, 150))) 
model.add(Activation('relu')) 
model.add(MaxPooling2D(pool_size=(2, 2), data_format="channels_first")) 

model.add(Conv2D(32, (3, 3))) 
model.add(Activation('relu')) 
model.add(MaxPooling2D(pool_size=(2, 2), data_format="channels_first")) 

model.add(Conv2D(64, (3, 3))) 
model.add(Activation('relu')) 
model.add(MaxPooling2D(pool_size=(2, 2), data_format="channels_first")) 

model.add(Flatten()) # this converts our 3D feature maps to 1D feature vectors 
model.add(Dense(64)) 
model.add(Activation('relu')) 
model.add(Dropout(0.5)) 
model.add(Dense(1)) 
model.add(Activation('softmax')) # instead of sigmoid 

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

# another loss: sparse_categorical_crossentropy 

model.fit_generator(
     train_generator, 
     steps_per_epoch=1800 // batch_size, 
     epochs=50, 
     validation_data=validation_generator, 
     validation_steps=250 // batch_size) 

シグモイドからソフトマックスから。 class_modeをバイナリからカテゴリに変更しました。問題を見つけることができないようです。

はまた、私はStackOverflowの上で同様の質問を認識しています： Multi-Output Multi-Class Keras Model

Train multi-class image classifier in Keras

Multi-class classification using keras

しかし、ソリューションのどれも私を助けてくれません。

Answer 1

最後のDense層をmodel.add(Dense(3))に変更する必要があります。 Softmaxのアクティブ化では、Dense層のunitsがクラスの数と一致すると予想されます。

また、loss='sparse_categorical_crossentropy'を使用する場合は、class_modeを'sparse'に変更してください。現在の設定class_mode='categorical'は、loss='categorical_crossentropy'と一緒に使用してください。