ValueError：ターゲットを確認する際にエラーが発生しました.2つの次元を持つが、形状が（1、256、256、3）の配列を持っています

Question

VGG-16に基づいて人間の年齢を予測するCNNを構築しました。画像。 （ファイルタイプ：jpg）。私は、Anaconda環境でPython 2.7でテンソルフローバックエンドを使用していました。

しかし、それは常にエラーが発生します。

Traceback (most recent call last):

File "train2.py", line 167, in shuffle=True)

File "/Users/name/anaconda/lib/python2.7/sitepackages/keras/models.py",line 973, in fit validation_steps=validation_steps)

File "/Users/name/anaconda/lib/python2.7/sitepackages/keras/engine/training.py", line 1581, in fit batch_size=batch_size)

File "/Users/name/anaconda/lib/python2.7/sitepackages/keras/engine/training.py", line 1418, in _standardize_user_data exception_prefix='target')

File "/Users/name/anaconda/lib/python2.7/sitepackages/keras/engine/training.py", line 141, in _standardize_input_data str(array.shape))

ValueError: Error when checking target: expected activation_17 to

have 2 dimensions, but got array with shape (1, 256, 256, 3)

どのように私はこのエラーを解決することができますか？ここにコードがあります：

import keras 

from keras.preprocessing.image import ImageDataGenerator 

from keras.models import Sequential 

from keras.layers import Dense 

from keras.layers import Dropout 

from keras.layers import Activation 

from keras.layers import Flatten 

from keras.layers import Conv2D 

from keras.layers import MaxPooling2D 

from keras.layers import BatchNormalization 

from keras.utils import np_utils 

import cv2 

from PIL import Image 

import numpy as np 

from sklearn.cross_validation import train_test_split 

from sklearn.model_selection import train_test_split 

name_path = ["pathname"] 

new_age_list=[45,52] 

img_rows=256 

img_cols=256 

img_array = 
np.array([np.array(Image.open(i).resize((img_rows,img_cols),Image.BILINEAR)) for i in name_path[0:2]],"f") 

(X, y) = (img_array[0:2],new_age_list[0:2]) 

y=np.asarray(y) 

X=X.reshape(2,256,256,3) 

# STEP 1: split X and y into training and testing sets 

train_data, train_label,test_data, test_label= train_test_split(X, y, 
test_size=0.5, random_state=4) 

train_data = train_data.astype('float32') 

test_data = test_data.astype('float32') 

train_data = train_data/255 

test_data = test_data/255 

""" Model """ 

model = Sequential() 

""" Block 1 """ 

model.add(Conv2D(64, (3,3), padding='same', 
border_mode='valid',input_shape=(256,256,3))) 

model.add(BatchNormalization()) 

model.add(Activation('relu')) 

model.add(Conv2D(64, (3,3))) 

model.add(BatchNormalization()) 

model.add(Activation('relu')) 

model.add(MaxPooling2D(pool_size=(2,2))) 

""" Block 2 """ 

model.add(Conv2D(128, (3,3))) 

model.add(BatchNormalization()) 

model.add(Activation('relu')) 

model.add(Conv2D(128, (3,3))) 

model.add(BatchNormalization()) 

model.add(Activation('relu')) 

model.add(MaxPooling2D(pool_size=(2,2))) 

""" Block 3 """ 

model.add(Conv2D(256, (3,3))) 

model.add(BatchNormalization()) 

model.add(Activation('relu')) 

model.add(Conv2D(256, (3,3))) 

model.add(BatchNormalization()) 

model.add(Activation('relu')) 

model.add(Conv2D(256, (3,3))) 

model.add(BatchNormalization()) 

model.add(Activation('relu')) 

model.add(MaxPooling2D(pool_size=(2,2))) 

""" Block 4 """ 
model.add(Conv2D(512, (3,3))) 

model.add(BatchNormalization()) 

model.add(Activation('relu')) 

model.add(Conv2D(512, (3,3))) 

model.add(BatchNormalization()) 

model.add(Activation('relu')) 

model.add(Conv2D(512, (3,3))) 

model.add(BatchNormalization()) 

model.add(Activation('relu')) 

model.add(MaxPooling2D(pool_size=(2,2))) 

""" Block 5 """ 

model.add(Conv2D(512, (3,3))) 

model.add(BatchNormalization()) 

model.add(Activation('relu')) 

model.add(Conv2D(512, (3,3))) 

model.add(BatchNormalization()) 

model.add(Activation('relu')) 

model.add(Conv2D(512, (3,3))) 

model.add(BatchNormalization()) 

model.add(Activation('relu')) 

model.add(MaxPooling2D(pool_size=(2,2))) 

model.add(Dropout(0.25)) 

""" Flatten """ 

model.add(Flatten()) 

model.add(Dense(512)) 

model.add(BatchNormalization()) 

model.add(Activation('relu')) 

model.add(Dense(128)) 

model.add(BatchNormalization()) 
model.add(Activation('relu')) 

model.add(Dense(32)) 

model.add(BatchNormalization()) 

model.add(Activation('relu')) 

model.add(Dense(1)) 

model.add(BatchNormalization()) 

model.add(Activation('softmax')) 

""" Optimizer """ 

opt = keras.optimizers.rmsprop(lr=config.learning_rate, 

decay=config.decay) 

print model.summary() 

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

""" Fit Data """ 

batch_size = 512 

epoch = 1000 

learning_rate = 1e-4 

decay = 1e-7 

for i in range(epoch): 

    model.fit(train_data, train_label, 

       batch_size=batch_size, 

       epochs=int(epoch/epoch), 

       validation_data=(test_data, test_label), 

       shuffle=True) 

Answer 1

"activation_17"は "softmax"層である最後の活性化層を指しているとします。あなたのイメージが問題なくレイヤーを伝播するので、ラベルのサイズに問題があると仮定します。

sklearn.model_selection.train_test_splitのdocumentationを確認した後、返品値をtrain_test_split()から間違えているようです。

ので、同じようにそれを試してみてください。

train_data, test_data, train_label, test_label= train_test_split(X, y, test_size=0.5, random_state=4)