使用自己的数据集训练模型:区别不同说话人
数据是(25*7787)的矩阵,标签是(25*1),要区别出5个不同的说话人
以下是训练模型部分的代码:
#构建模型
network=models.Sequential()
#设置第一层神经元
network.add(layers.Dense(1024,activation='relu',input_shape=(7787,)))
#设置输出层神经元,神经元个数为5,即将输入变量分成5类(5个说话人)
network.add(layers.Dense(5,activation='softmax'))
#optimizer优化器:基于训练数据和损失函数来更新网络的机制
#loss损失函数:网络如何衡量在训练数据上的性能
#metrics:在训练和测试过程中需要监控的指标
network.compile(optimizer='rmsprop',
loss='categorical_crossentropy',
metrics=['accuracy'])
#训练模型
network.fit(norm_x,names,epochs=2,batch_size=5)
但是运行之后会出现以下错误:
ValueError: Shapes (5, 1) and (5, 5) are incompatible
不知道是哪里出了问题,有哪位大佬可以解答一下吗