Keras ValueError:登录和标签必须具有相同的形状

我在Keras中有一个多层感知器网络，有两个隐藏层

在尝试训练网络时，我在fit_生成器中得到错误：

错误： ValueError:登录和标签必须具有相同的形状（（无，2）与（无，1））

我的代码是：

将numpy导入为np
进口干酪
从keras导入图层
从keras导入顺序
#定义窗口大小（彩色图像）
img_窗口=（32,32,3）
#展平窗户形状
输入形状=np.prod（img\U窗口）
打印（输入图形）
#定义具有两个隐藏层（神经元）的MLP
simpleMLP=顺序(
[layers.Input（shape=img_窗口），
layers.flatte（），#将输入conv2D展平为1个向量，这不会影响批量大小。
密集层（输入_shape//2，activation=“relu”），
密集层（输入_shape//2，activation=“relu”），
致密层（2，活化=“S形”），
]
)
#“构建”模型后，调用其summary（）方法以显示其内容
simpleMLP.summary（）
#初始化
#批量数据的大小，取决于RAM的调整
批量大小=128
纪元=5
#使用3个参数编译MLP模型：损失函数、优化器和度量函数来判断模型性能
compile（loss=“binary\u crossentropy”，optimizer=“adam”，metrics=[“binary\u accurity”]）\BCE
#创建ImagedataGenerator以拆分培训、验证数据集
从keras.preprocessing.image导入ImageDataGenerator
列车方向=“/content/train”
列车\数据发生器=图像数据发生器(
重缩放=1./255，#重缩放因子
剪切范围=0.1，
缩放范围=0.1，
水平翻转=真，
填充模式（最近的）
valid_dir='/content/valid'
有效的\u datagen=ImageDataGenerator(
重新缩放=1./255，
剪切范围=0.1，
缩放范围=0.1，
水平翻转=真，
填充模式（最近的）
train_generator=来自目录的train_datagen.flow_(
列车主任，
目标大小=img\u窗口[：2]，
批次大小=批次大小，
class_mode='binary'，
颜色模式='rgb'
)
验证\u生成器=来自\u目录的有效\u datagen.flow\u(
有效地址：，
目标大小=img\u窗口[：2]，
批次大小=批次大小，
class_mode='binary'，
颜色（模式为rgb）
#训练MLP模型
simpleMLP.fit_生成器((
列车发电机，
每历元步数=8271//批量大小，
纪元=5，
验证数据=验证生成器，
验证步骤=2072//批量大小）

---

你能告诉我如何解决这个问题吗？提前谢谢。

你的问题很简单，你有形状

（N，1）

的标签和定义为

二进制交叉熵

的损失。这意味着你应该在最后一层有一个输出节点。但是你有一个输出两个类的模型

simpleMLP = Sequential(
    [...
     layers.Dense(2,activation="sigmoid"),
     ]
)

只需将此更改为

simpleMLP = Sequential(
    [...
     layers.Dense(1,activation="sigmoid"),
     ]
)