ロードされたモデルをコンパイルする際のKeras ValueError

Question

次のネットを訓練して保存しました。再ロードされたネットワークをコンパイルすると、エラーが表示されます。

ValueError: Error when checkingModelTarget: expected dense_3 to haveFast (None, 1) but got array with shape (10000, 10) 

何が原因なのですか？多くの同様の問題の解決法は私を本当に助けません。

コード：

#!/usr/bin/env python 
# -*- coding: utf-8 -*- 
import numpy 
from keras.datasets import mnist 
from keras.models import Sequential 
from keras.layers import Dense 
from keras.layers import Dropout 
from keras.layers import Flatten 
from keras.layers.convolutional import Convolution2D 
from keras.layers.convolutional import MaxPooling2D 
from keras.utils import np_utils 
from keras import backend as K 
from keras.models import model_from_json 

K.set_image_dim_ordering('th') 

# fix random seed for reproducibility 
seed = 7 
numpy.random.seed(seed) 

# load data 
(X_train, y_train), (X_test, y_test) = mnist.load_data() 
# reshape to be [samples][pixels][width][height] 
X_train = X_train.reshape(X_train.shape[0], 1, 28, 28).astype('float32') 
X_test = X_test.reshape(X_test.shape[0], 1, 28, 28).astype('float32') 

# normalize inputs from 0-255 to 0-1 
X_train = X_train/255 
X_test = X_test/255 
# one hot encode outputs 
y_train = np_utils.to_categorical(y_train) 
y_test = np_utils.to_categorical(y_test) 
num_classes = y_test.shape[1] 

def larger_model(): 
    # create model 
    model = Sequential() 
    model.add(Convolution2D(30, 5, 5, border_mode='valid', input_shape=(1, 28, 28), activation='relu')) 
    model.add(MaxPooling2D(pool_size=(2, 2))) 
    model.add(Convolution2D(15, 3, 3, activation='relu')) 
    model.add(MaxPooling2D(pool_size=(2, 2))) 
    model.add(Dropout(0.2)) 
    model.add(Flatten()) 
    model.add(Dense(128, activation='relu')) 
    model.add(Dense(50, activation='relu')) 
    model.add(Dense(num_classes, activation='softmax')) 
    # Compile model 
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) 
    return model 

# build the model 
model = larger_model() 
# Fit the model 
model.fit(X_train, y_train, validation_data=(X_test, y_test), epochs=1, batch_size=200, verbose=2) 
# Final evaluation of the model 
scores = model.evaluate(X_test, y_test, verbose=0) 
print("Baseline Error: %.2f%%" % (100-scores[1]*100)) 


# save model and weights 
print("Saving model...") 
model_json = model.to_json() 
with open('mnist_model.json', 'w') as json_file: 
    json_file.write(model_json) 
model.save_weights("mnist_weights.h5") 
print("model saved to disk") 

# load model and weights 
print("Laoding model...") 
with open('mnist_model.json') as json_file: 
    model_json = json_file.read() 

model = model_from_json(model_json) 
model.load_weights('mnist_weights.h5') 
print("mode loaded from disk") 

print("compiling model...") 
model.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['accuracy']) 

scores = model.evaluate(X_test, y_test, verbose=0) 
print("Baseline Error: %.2f%%" % (100-scores[1]*100)) 

Answer 1

なぜあなたは、あなたのモデルをロードした後にこれを行うのですか？ ：

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

あなたのベースモデルはcategorical_crossentropyを使用して、違いは、最新のカテゴリ、1つのホットエンコードされた目標を期待して、まばらなバージョンがインデックスを期待して、バックグラウンドでnp.utils.to_categorical()を呼び出すことです。だからここでは、ケラは疎なバージョンを使用しているので文句を言いますので、形状は(?, 1)ですが、y_testをフィードし、形状が(?, 10)のワンホットとしてエンコードされています。モデルをロードした後

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

、またはホットy_testエンコードされた1リバース：

ソリューションは、どちらかが喪失し、使用のタイプを変更しないでください、私はこのことができます願ってい

y_test = np.argmax(y_test) 

を： - ）