用2D输出训练ANN

Question

我正在尝试用2D目标训练一个ANN，格式如下: targets= (1,0,0)，(0,1,0)，(1，0，0)我的特征大小是(5996，5)，目标是(5996，3)，我尝试使用以下代码：

num_outputs = 3
num_elements = 3

ann.add(tf.keras.layers.Dense(units=8,activation="relu"))
ann.add(tf.keras.layers.Dropout(0.2))
ann.add(tf.keras.layers.Dense(units=64,activation="relu"))
ann.add(tf.keras.layers.Dense(units=8,activation="relu"))
ann.add(tf.keras.layers.Dense(units=1,activation="sigmoid"))

ann.add(tf.keras.layers.RepeatVector(num_outputs))
ann.add(tf.keras.layers.TimeDistributed(tf.keras.layers.Dense(num_elements)))

ann.compile(optimizer='adam',loss = 'binary_crossentropy',metrics=['accuracy'])

ann_history=ann.fit(X_trn, y_trn, batch_size = 25, epochs = 100)

但是我收到了这个错误：

InvalidArgumentError:  Incompatible shapes: [25,3] vs. [25,3,3]
 [[node gradient_tape/binary_crossentropy/mul/BroadcastGradientArgs (defined at <ipython-input-102-9ad8105af048>:1) ]] [Op:__inference_train_function_103981]

函数调用栈: train_function

你能帮我一下吗？谢谢。

Answer 1

尝试9个元素的一维输出，然后在ANN完成后将数据转换为二维数据。

# replace this line    
ann.add(tf.keras.layers.Dense(units=1,activation="sigmoid"))

# with this line
ann.add(tf.keras.layers.Dense(units=9,activation="sigmoid"))

作为一个通用的逼近器，ANN应该给你正确的结果。这种解决方案的唯一问题是，在训练和测试时，您必须创建额外的步骤，因为从ANN中立即产生的数据不会与目标数据匹配，但简单的转换将纠正任何错误。