Keras ValueError:形状（无，6）和（无，5）不兼容

我试图训练我的顺序模型，但出现了一些问题：

aspect_categories_model = Sequential()
aspect_categories_model.add(Dense(512, input_shape=(6000,), activation='relu'))
aspect_categories_model.add(Dense(5, activation='softmax'))
aspect_categories_model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

当尝试使用以下方法预测值时：

aspect\u categories\u model.fit（aspect\u标记化，dummy\u category，epochs=5，verbose=1）。

它给我带来了一个值错误：

ValueError: Shapes (None, 6) and (None, 5) are incompatible

假人的代码是：

from sklearn.preprocessing import LabelEncoder
from keras.utils import to_categorical

label_encoder = LabelEncoder()
integer_category = label_encoder.fit_transform(dataset.aspect_category)
dummy_category = to_categorical(integer_category)

---

标签为5。

虚拟\u类别的形状为

（批次大小，6）

，模型的输出形状为

（批次大小，5）

试着改变最后一层神经元的数量

aspect_categories_model.add(Dense(6, activation='softmax'))

---

如果您只有5个预测类别，那么您在计算

dummy\u category

变量时犯了一些错误。

好的，谢谢，它解决了问题，但是的，我只有5个类别。我将此代码用于假人：从sklearn.preprocessing从keras.utils导入LabelEncoder到\u category label\u encoder=LabelEncoder（）integer\u category=label\u encoder.fit\u transform（dataset.aspect\u category）dummy\u category=to\u category（integer\u category）您是否可以使用您试图生成的代码

dummy_category

以及您拥有的标签来更新问题？添加生成6个类别的示例数据。即，单行数据从

数据集

变量添加数据。如果可能，添加代码，我可以在我的机器上运行，重现您的问题。