Keras 每次激活都会出现重复错误（例如：激活9，…激活45…等）

ValueError:检查目标时出错：预期激活_81具有形状（1，），但获得具有形状（7，）的数组

我正在使用神经网络对7类语音情感分类进行多类分类，但在这一点上失败了

cnnhistory=model.fit(x_traincnn, 
                     y_train, 
                     batch_size=16, 
                     epochs=700,
                     validation_data=(x_testcnn, y_test), 
                     callbacks=[mcp_save, lr_reduce])

在第行回调=[mcp\u保存，lr\u减少]

mcp_拯救生命

mcp_save = ModelCheckpoint('model/aug_noiseNshift_2class2_np.h5', 
                            save_best_only=True, monitor='val_loss', mode='min')

和lr_减少存在

lr_reduce = ReduceLROnPlateau(monitor='val_loss', factor=0.9, patience=20, min_lr=0.000001)

神经网络的最后一层 高密度（7）7级

model.add(Dense(7))
model.add(Activation('softmax'))
opt = keras.optimizers.SGD(lr=0.0001, momentum=0.0, decay=0.0, nesterov=False)

使用

model.compile(loss='sparse_categorical_crossentropy', optimizer=opt, metrics=['accuracy', fscore])

我已经用标准化值转换了数据集，将损失函数从“分类交叉熵”更改为“稀疏分类交叉熵”。什么都没有发生，只是将错误从激活_9推到激活_18，再推到激活_45，再推到激活_54，现在推到激活_81。但错误仍然存在

任何帮助都将不胜感激！ 我不熟悉神经网络。

---

TIA

如果标签是数字，这意味着

y\u train

具有形状

（示例，1）

，您应该使用

'sparse\u categorical\u crossentropy'

如果您将标签作为一个热编码，这意味着

y\u train

具有形状

（示例7）

，您应该使用

“分类交叉熵”