Meezo ML نشر 9 يوليو 2021 أرسل تقرير مشاركة نشر 9 يوليو 2021 (معدل) قمت ببناء نموذج Baseline لتصنيف الأصوات، الداتاسيت التي أعمل عليها هي مجموعة بيانات صوتية، أبعادها (400,50,95) # النموذج model = Sequential() model.add(LSTM(64, input_shape = (50,95,1), return_sequences=True)) model.add(LSTM(32,activation='relu')) model.add(Dense(4, activation='softmax')) model.compile(optimizer='rmsprop',loss='categorical_crossentropy', metrics=["acc"]) model.summary() model.fit(X_train, y_train, batch_size=64, nb_epoch=20, validation_data=(X_test, y_test)) لكن يظهر لي الخطأ: ValueError: Shapes (None, 1) and (None, 4) are incompatible تم التعديل في 9 يوليو 2021 بواسطة Meezo ML اقتباس رابط هذا التعليق شارك على الشبكات الإجتماعية More sharing options...
3 Ali Haidar Ahmad نشر 9 يوليو 2021 أرسل تقرير مشاركة نشر 9 يوليو 2021 بما أنه لديك 3 أصناف فيجب أن تقوم بتحويل ال y_train و y_test إلى الترميز الفئوي أي One-Hot أي: from keras.utils import to_categorical y_test = to_categorical(y_test, 4) y_train = to_categorical(y_train, 4) وأيضاً يجب أن تتحقق من أبعاد المدخلات لديك في طبقة LSTM حيث أن الدخل المتوقع لهذه الطبقة يجب أن يكون: (batch_size, timesteps, input_dim) # 3D tensor 1 اقتباس رابط هذا التعليق شارك على الشبكات الإجتماعية More sharing options...
1 ريم المهدي نشر 11 يوليو 2021 أرسل تقرير مشاركة نشر 11 يوليو 2021 هو نفس فكرة الخطأ الذي قمت بشرحه هنا وهو يعني عدم تطابق البيانات المدخلة للنموذج مع القيم المتوقعة، في كل عمليات التصنيف يجب تحويل قيم y إلى الترميز المناسب لها حسب دالة حساب الخطأ loss function والتي تقوم بحساب التطابق بين البيانات الحقيقية و المتوقعة من النموذج. يمكنك ترميز البيانات بإستخدام one hot encoding بإستخدام الدالة to_categorical والتي تحول البيانات من بعد واحد لبعدين، مثلا [0,1] تتحول إلى [[1,0],[0,1]] لاحظ أن الأن أصبح لدينا عمودين. في هذه الحالة سيتم إستخدام categorical_crossentropy كدالة لحساب الخسارة loss function و تحديد نفس عدد الأعمدة في أخر طبقة في النموذج. يمكنك تحويل قيم y قبل التقسيم أو بعده كما ذكر @Ali Haidar Ahmad. y = to_categorical(y) و إما إن كانت قيم الy أصلا مقسمة إلى قيم رقمية صحيحة مثلا الارقام من 0 إلى 9 يمكننا إستخدام sparse_categorical_crossentropy. اقتباس رابط هذا التعليق شارك على الشبكات الإجتماعية More sharing options...
السؤال
Meezo ML
قمت ببناء نموذج Baseline لتصنيف الأصوات، الداتاسيت التي أعمل عليها هي مجموعة بيانات صوتية، أبعادها (400,50,95)
لكن يظهر لي الخطأ:
تم التعديل في بواسطة Meezo MLرابط هذا التعليق
شارك على الشبكات الإجتماعية
2 أجوبة على هذا السؤال
Recommended Posts
انضم إلى النقاش
يمكنك أن تنشر الآن وتسجل لاحقًا. إذا كان لديك حساب، فسجل الدخول الآن لتنشر باسم حسابك.