Machine learning Model.fit（）ValueError:检查模型目标时出错：预期稠密_21具有形状（无，1），但获得具有形状（1708，66）的数组

这就是我正在研究的代码：

from __future__ import print_function
from keras.models import Sequential
from keras.layers import Dense
from sklearn.cross_validation import train_test_split
import numpy
numpy.random.seed(7)

data_pixels=np.genfromtxt("pixels_dataset.csv", delimiter=',')
classes_dataset=np.genfromtxt("labels.csv",dtype=np.str , delimiter='\t')
x_train, x_test, y_train, y_test = train_test_split(data_pixels, classes_dataset, test_size=0.3

x\u列车

的形状为

（17083072）

y\u列车

的形状为

（1708，）

y_列车的特点是：

：，：！èaäAa..Zz 0-9

我在执行以下操作后出错：

model.fit(x_train,y_train, epochs=150, batch_size=10)

错误是

ValueError: could not convert string to float: A

我尝试了以下几种选择： (一)

(二)

但我也犯了同样的错误 然后我尝试了另一种选择

from sklearn.preprocessing import LabelBinarizer
encoder = LabelBinarizer()
y_train = encoder.fit_transform(y_train)

然后我得到一个新的错误

ValueError: Error when checking model target: expected dense_21 to have shape (None, 1) but got array with shape (1708, 66)

---

更改以下代码行：

model.add(Dense(66, activation='softmax'))

以及：

问题在于你想要预测一个

char

，它被编码为

一个长度为66的热向量。在这种情况下-您将输出设置为所需长度，并使用
categorical\u crossentropy
loss和
softmax
激活

x_train=n.array(x_train)
y_train=n.array(y_train)

 model.fit(x_train,str(y_train), epochs=150, batch_size=10)

from sklearn.preprocessing import LabelBinarizer
encoder = LabelBinarizer()
y_train = encoder.fit_transform(y_train)

ValueError: Error when checking model target: expected dense_21 to have shape (None, 1) but got array with shape (1708, 66)

model.add(Dense(66, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])