ظهور الخطأ InvalidArgumentError:  logits and labels must have the same first dimension أثناء محاولة تدريب شبكةة عصبية لتصنيف الصور

يجب إضافة طبقة Flatten قبل أول طبقة Dense.
إن المرحلة الأخيرة من الشبكة العصبية التلافيفية (CNN) هي المصنف. يطلق عليه طبقة/طبقات Dense، وهي مجرد مصنف شبكة عصبية اصطناعية (ANN). ويحتاج مصنف ANN إلى ميزات فردية "individual features" ، تماماً مثل أي مصنف آخر. هذا يعني أنه يحتاج إلى "feature vector". لذلك، تحتاج إلى تحويل خرج الجزء التلافيفي من CNNs إلى Vector1D، ليتم استخدامه بواسطة جزء ANN. هذه العملية تسمى التسطيح "Flatten ".

# write your model here, we prefer that you call it model2 to make comparisions easier later:
model2 = keras.Sequential()
model2.add(layers.Conv2D(filters=6, kernel_size=(3, 3), activation='relu', input_shape=(150,150,3)))
model2.add(layers.AveragePooling2D())
model2.add(layers.Conv2D(filters=16, kernel_size=(3, 3), activation='relu'))
model2.add(layers.AveragePooling2D())
model2.add(layers.Flatten()) # هنا
model2.add(layers.Dense(units=120, activation='tanh'))
model2.add(layers.Dense(units=84, activation='tanh'))
model2.add(layers.Dense(units=6, activation = 'softmax'))
model2.compile(optimizer = 'adam', loss = 'sparse_categorical_crossentropy', metrics=['accuracy'])
model2.fit(train_images, train_labels, batch_size=32, epochs=1, validation_split = 0.2)

كما ذكر @Ali Haidar Ahmad فإن الناتج من الشبكة يجب أن يحصل لها تسطيح flatten ذلك لأن dense layer لا تقوم بهذه العملية بل تأخذه بنفس الشكل و توصله بالعقد في الشبكة العصبية، و مهمتها الأساسية هي تحويل multidimensional tensor لarray 1d وهي القيمة التي تستقبلها dense layer في neural network، وهي لا تؤثر على حجم batch في عملية التدريب.

اقتباس

class Flatten(Layer):

"""Flattens the input. Does not affect the batch size.

Note: If inputs are shaped `(batch,)` without a feature axis, then

flattening adds an extra channel dimension and output shape is `(batch, 1)`.

".

يمكن مراجعة المزيد من التفاصيل بالتعرف على classes في keras من هنا.

والان إذا قمنا بطباعة شكل النموذج بإستخدام model.summary قبل إضافة الflatten و بعدها سنحصل على الأشكال التالية بالتوالي:

Model: "sequential_21"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_36 (Conv2D)           (None, 148, 148, 6)       168       
_________________________________________________________________
average_pooling2d_34 (Averag (None, 74, 74, 6)         0         
_________________________________________________________________
conv2d_37 (Conv2D)           (None, 72, 72, 16)        880       
_________________________________________________________________
average_pooling2d_35 (Averag (None, 36, 36, 16)        0         
_________________________________________________________________
dense_56 (Dense)             (None, 36, 36, 120)       2040      
_________________________________________________________________
dense_57 (Dense)             (None, 36, 36, 84)        10164     
_________________________________________________________________
dense_58 (Dense)             (None, 36, 36, 6)         510       
=================================================================
Total params: 13,762
Trainable params: 13,762
Non-trainable params: 0

و بعد الإضافة:

Model: "sequential_22"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_38 (Conv2D)           (None, 148, 148, 6)       168       
_________________________________________________________________
average_pooling2d_36 (Averag (None, 74, 74, 6)         0         
_________________________________________________________________
conv2d_39 (Conv2D)           (None, 72, 72, 16)        880       
_________________________________________________________________
average_pooling2d_37 (Averag (None, 36, 36, 16)        0         
_________________________________________________________________
flatten_9 (Flatten)          (None, 20736)             0         
_________________________________________________________________
dense_59 (Dense)             (None, 120)               2488440   
_________________________________________________________________
dense_60 (Dense)             (None, 84)                10164     
_________________________________________________________________
dense_61 (Dense)             (None, 6)                 510       
=================================================================
Total params: 2,500,162
Trainable params: 2,500,162
Non-trainable params: 0

لاحظ تغير عدد الparameters بعد إضافة flatten من (None, 36, 36, 16) إلى (None, 20736).