24小时热门版块排行榜

返回列表

【悬赏金币】回答本帖问题，作者Alpha1024将赠送您 10 个金币

Alpha1024

新虫 (正式写手)

应助: 0 (幼儿园)
金币: 392.1
散金: 75
帖子: 456
在线: 23.6小时
虫号: 13952296
注册: 2019-02-01
专业: 金属材料表面科学与工程

[求助] 为什么他报错的时候说就一个样本？

建了一个卷积神经网络，输入训练集，有多个样本，见训练集，报错以及代码，为什么他报错的时候说就一个样本？问题在哪？
ValueError: Training data contains 1 samples, which is not sufficient to split it into a validation and training set as specified by `validation_split=0.2`. Either provide more data, or a different value for the `validation_split` argument.

import numpy as np

import pandas as pd

import tensorflow as tf

from tensorflow.keras import layers

#定义模型

def get_model():

#建立一个序贯模型

model = tf.keras.Sequential()

#第一个卷积块

model.add(layers.Conv2D(128, kernel_size=(3, 3), activation= 'relu', input_shape=(75, 75, 3)))

model.add(layers.MaxPooling2D(pool_size=(3, 3), strides=(2, 2)))

model.add(layers.Dropout(0.2))

#第二个卷积块

model.add(layers.Conv2D(128, kernel_size=(3, 3), activation= 'relu'))

model.add(layers.MaxPooling2D(pool_size=(2,2), strides=(2, 2)))

model.add(layers.Dropout(0.2))

#第三个卷积块

model.add(layers.Conv2D(64, kernel_size=(2, 2), activation='relu'))

model.add(layers.MaxPooling2D(pool_size=(3, 3), strides=(2, 2)))

model.add(layers.Dropout(0.2))

#第四个卷积块

model.add(layers.Conv2D(64, kernel_size=(2, 2), activation= 'relu'))

model.add(layers.MaxPooling2D(pool_size=(2, 2), strides=(2, 2)))

model.add(layers.Dropout(0.2))

#将上一层的输出特征映射转化为一维数据，以便进行全连接操作

model.add(layers.Flatten())

#第一个全连接层

model.add(layers.Dense(256))

model.add(layers.Activation('relu'))

model.add(layers.Dropout(0.2))

#第二个全连接层

model.add(layers.Dense(128))

model.add(layers.Activation('relu'))

model.add(layers.Dropout(0.2))

#第三个全连接层

model.add(layers.Dense(1))

model.add(layers.Activation('sigmoid'))

#编译模型

model.compile(loss= 'binary_crossentropy', optimizer=tf.keras.optimizers.Adam(0.0001), metrics=['accuracy'])

#打印出模型的概况信息

model.summary()

return model

cnn_model = get_model()

cnn_model. fit (train_x, train_y, batch_size=25, epochs=100, verbose=1, validation_split=0.2)

代码

训练集显示
[array([[[110, 110, 110],
      [110, 110, 110],
      [109, 109, 109],
      ...,
      [  0, 0, 0],
      [  0, 0, 0],
      [  0, 0, 0]]]),
array([[[110, 110, 110],
      [110, 110, 110],
      [109, 109, 109],
      ...,
      [255, 255, 255],
      [255, 255, 255],
      [255, 255, 255]]]),
array([[[165, 165, 165],
      [173, 173, 173],
      [169, 169, 169],
      ...,
      [255, 255, 255],
      [255, 255, 255],
      [255, 255, 255]]]),
array([[[58, 58, 58],
      [52, 52, 52],
      [51, 51, 51],
      ...,
      [47, 47, 47],
      [55, 55, 55],
      [49, 49, 49]]]),
array([[[ 74,  74,  74],
      [ 76,  76,  76],
      [ 71,  71,  71],
      ...,
      [110, 110, 110],
      [106, 106, 106],
      [108, 108, 108]]]),
array([[[159, 159, 159],
      [118, 118, 118],
      [132, 132, 132],
      ...,
      [ 93,  93,  93],
      [ 95,  95,  95],
      [ 91,  91,  91]]]),
array([[[165, 165, 165],
      [173, 173, 173],
      [169, 169, 169],
      ...,
      [255, 255, 255],
      [255, 255, 255],
      [255, 255, 255]]]),
array([[[110, 110, 110],
      [110, 110, 110],
      [109, 109, 109],
      ...,
      [255, 255, 255],
      [255, 255, 255],
      [255, 255, 255]]]),
array([[[165, 165, 165],
      [173, 173, 173],
      [169, 169, 169],
      ...,
      [255, 255, 255],
      [255, 255, 255],
      [255, 255, 255]]]),
array([[[58, 58, 58],
      [52, 52, 52],
      [51, 51, 51],
      ...,
      [47, 47, 47],
      [55, 55, 55],
      [49, 49, 49]]]),
array([[[ 74,  74,  74],
      [ 76,  76,  76],
      [ 71,  71,  71],
      ...,
      [110, 110, 110],
      [106, 106, 106],
      [108, 108, 108]]]),
array([[[159, 159, 159],
      [118, 118, 118],
      [132, 132, 132],
      ...,
      [ 93,  93,  93],
      [ 95,  95,  95],
      [ 91,  91,  91]]]),
array([[[165, 165, 165],
      [173, 173, 173],
      [169, 169, 169],
      ...,
      [255, 255, 255],
      [255, 255, 255],
      [255, 255, 255]]]),
array([[[110, 110, 110],
      [110, 110, 110],
      [109, 109, 109],
      ...,
      [255, 255, 255],
      [255, 255, 255],
      [255, 255, 255]]]),
array([[[165, 165, 165],
      [173, 173, 173],
      [169, 169, 169],
      ...,
      [255, 255, 255],
      [255, 255, 255],
      [255, 255, 255]]]),
array([[[58, 58, 58],
      [52, 52, 52],
      [51, 51, 51],
      ...,
      [47, 47, 47],
      [55, 55, 55],
      [49, 49, 49]]]),
array([[[ 74,  74,  74],
      [ 76,  76,  76],
      [ 71,  71,  71],
      ...,
      [110, 110, 110],
      [106, 106, 106],
      [108, 108, 108]]]),
array([[[159, 159, 159],
      [118, 118, 118],
      [132, 132, 132],
      ...,
      [ 93,  93,  93],
      [ 95,  95,  95],
      [ 91,  91,  91]]]),
array([[[165, 165, 165],
      [173, 173, 173],
      [169, 169, 169],
      ...,
这是trainx
[array(0),
array(0),
array(0),
array(0),
array(1),
array(1),
array(0),
array(0),
array(0),
array(0),
array(1),
array(1),
array(0),
array(0),
array(0),
array(0),
array(1),
array(1),
array(0)]
这是trainy

回复此楼

» 猜你喜欢

2025冷门绝学什么时候出结果已经有5人回复
Bioresource Technology期刊，第一次返修的时候被退回好几次了已经有7人回复
真诚求助：手里的省社科项目结项要求主持人一篇中文核心，有什么渠道能发核心吗已经有8人回复
寻求一种能扛住强氧化性腐蚀性的容器密封件已经有5人回复
请问哪里可以有青B申请的本子可以借鉴一下。已经有4人回复
孩子确诊有中度注意力缺陷已经有14人回复
请问下大家为什么这个铃木偶联几乎不反应呢已经有5人回复
请问有评职称，把科研教学业绩算分排序的高校吗已经有5人回复
天津工业大学郑柳春团队欢迎化学化工、高分子化学或有机合成方向的博士生和硕士生加入已经有4人回复
康复大学泰山学者周祺惠团队招收博士研究生已经有6人回复

1楼2023-11-04 21:47:18

已阅回复此楼关注TA 给TA发消息送TA红花 TA的回帖

Alpha1024

新虫 (正式写手)

应助: 0 (幼儿园)
金币: 392.1
散金: 75
帖子: 456
在线: 23.6小时
虫号: 13952296
注册: 2019-02-01
专业: 金属材料表面科学与工程

你这个就是一个样本，请你看一下张量

赞一下

回复此楼

2楼2023-11-21 15:50:24

已阅回复此楼关注TA 给TA发消息送TA红花 TA的回帖

相关版块跳转我要订阅楼主 Alpha1024 的主题更新

返回列表