在用Python做卷積神經(jīng)網(wǎng)絡(luò)模型時(shí),，搭建模型如下：mnist_input = Input(shape=(128, 128, 1))conv2d = Conv2D(filters=30, kernel_size=(3, 3), padding='valid', activation='relu')(mnist_input)maxPooling = MaxPooling2D(pool_size=(5,5 ))(conv2d)flatten = Flatten()(maxPooling)dense = Dense(20, activation='relu')(flatten)dropout = Dropout(0.5)(dense)output = Dense(10, activation='softmax', name='output')(dropout)model = Model(inputs=[mnist_input], outputs=[output])出現(xiàn)這個(gè)問(wèn)題expected output to have shape (10,) but got array with shape (1,)怎么解決

CNN卷積神經(jīng)網(wǎng)絡(luò)是一種深度模型,。它其實(shí)老早就已經(jīng)可以成功訓(xùn)練并且應(yīng)用了（最近可能deep learning太火了，CNNs也往這里面靠。雖然CNNs也屬于多層神經(jīng)網(wǎng)絡(luò)架構(gòu),，但把它置身于DL家族，還是有不少人保留自己的理解的）,?！　∷谠嫉妮斎胫袘?yīng)用可訓(xùn)練的濾波器trainable filters和局部鄰域池化操作local neighborhood pooling operations，得到一個(gè)分級(jí)的且逐漸復(fù)雜的特征表示,。有實(shí)踐表示,，如果采用合適的規(guī)則化項(xiàng)來(lái)訓(xùn)練，它可以達(dá)到非常好的效果,。CNN還讓人青睞的一點(diǎn)就是它會(huì)對(duì)例如姿勢(shì),、光照和復(fù)雜背景存在不變性。

Tags：卷積神經(jīng)網(wǎng)絡(luò)這個(gè)問(wèn)題

文章版權(quán)聲明：除非注明，否則均為便查問(wèn)答網(wǎng)原創(chuàng)文章,，轉(zhuǎn)載或復(fù)制請(qǐng)以超鏈接形式并注明出處,。