python - ValueError:检查目标时出错:预期activation_9具有形状(74，6)，但数组具有形状(75，6)

我从事命名实体识别（在火车上，每个单词都有一个标签）
标签数量为6
我运行模型

from keras.models import Sequential
from keras.layers import Dense, LSTM, InputLayer, Bidirectional, TimeDistributed, Embedding, Activation
from keras.optimizers import Adam
from keras import initializers

model = Sequential()
model.add(InputLayer(input_shape=(MAX_LENGTH, )))
model.add(Embedding(len(word2index), 128))
model.add(Conv1D(filters=32, kernel_size=2, activation='relu'))
model.add(Bidirectional(LSTM(256, return_sequences=True)))
# model.add(AttentionLayer(300,True,name='word_attention'))
model.add(TimeDistributed(Dense(len(tag2index))))

model.add(Activation('softmax'))

model.compile(loss='categorical_crossentropy',
              optimizer=Adam(0.001),
              metrics=['accuracy'])

model.summary()

该模型为the following。

def to_categorical(sequences, categories):
    cat_sequences = []
    for s in sequences:
        cats = []
        for item in s:
            cats.append(np.zeros(categories))
            cats[-1][item] = 1.0
        cat_sequences.append(cats)
    return np.array(cat_sequences)
cat_train_tags_y = to_categorical(train_tags_y, len(tag2index))
model.fit(train_sentences_X, cat_train_tags_y, batch_size=128, epochs=20, validation_split=0.2)

当我执行fit命令时，将显示以下错误：ValueError: Error when checking target: expected activation_9 to have shape (74, 6) but got array with shape (75, 6)

最佳答案

卷积层减小了其输入的空间尺寸。

由于使用的是kernel_size=2，因此将数据长度缩短为original_length - 1（从75到74）。

解决方案是在卷积层中使用padding='same'，这样系统会自动添加填充，因此最终长度与输入相同。

关于python - ValueError:检查目标时出错:预期activation_9具有形状(74，6)，但数组具有形状(75，6)，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59577985/