Numpy Keras模型形状不兼容/值错误：形状（无，3）和（无，3，3）不兼容

我试图训练我的keras模型，但形状不兼容。 错误是

ValueError: Shapes (None, 3) and (None, 3, 3) are incompatible

我的火车组的形状是（2000,3768），标签的形状是（2000,3）

问题出在哪里

模型定义与拟合代码

input_shape = x_train.shape[1:]
model = my_dnn(input_shape, 3)
model.fit(x_train, y_train, epochs=25, verbose=1)

模型代码

def my_dnn(input, num_classes):

    model = Sequential()
    model.add(tf.keras.Input(input))
    model.add(Dense(1024))
    model.add(Activation('relu'))
    model.add(Dropout(0.5))
    model.add(Dense(512))
    model.add(Activation('relu'))
    model.add(Dense(225))
    model.add(Activation('relu'))
    model.add(Dense(100))
    model.add(Activation('relu'))
    model.add(Dense(num_classes))
    model.add(Activation('sigmoid'))


    model.compile( loss='categorical_crossentropy', 
                   optimizer='adam', 
                   metrics=[tf.keras.metrics.SparseCategoricalAccuracy()])

    return model

---

可能有两个原因：

您的问题是多类别分类，因此您需要

softmax

而不是

sigmoid

+

准确度

或

分类准确度（）

您的问题是多标签分类，因此需要

binary\u crossentropy

和

tf.keras.metrics.binaryAccurance（）

根据数据集的构建方式/您试图解决的任务，您需要选择其中之一

对于案例1，确保您的数据是OHE（一个热编码）

---

此外，Marco Cerliani和Amir（在下面的评论中）指出，数据输出需要采用2D格式，而不是3D格式：您应该在将数据传送到网络之前对其进行相应的预处理，或者按照下面的评论中的建议，在某个点（可能在最终的

密集（）

之前）使用

展平（）
除了上面所说的，您似乎一直在携带输入数据的第二维度，直到模型结束。因此，您的模型摘要如下所示：

Layer (type)                 Output Shape              Param #   
=================================================================
dense_1 (Dense)              (None, 3, 1024)           787456    
_________________________________________________________________
activation_1 (Activation)    (None, 3, 1024)           0         
_________________________________________________________________
dropout_1 (Dropout)          (None, 3, 1024)           0         
_________________________________________________________________
dense_2 (Dense)              (None, 3, 512)            524800    
_________________________________________________________________
activation_2 (Activation)    (None, 3, 512)            0         
_________________________________________________________________
dense_3 (Dense)              (None, 3, 225)            115425    
_________________________________________________________________
activation_3 (Activation)    (None, 3, 225)            0         
_________________________________________________________________
dense_4 (Dense)              (None, 3, 100)            22600     
_________________________________________________________________
activation_4 (Activation)    (None, 3, 100)            0         
_________________________________________________________________
dense_5 (Dense)              (None, 3, 3)              303       
_________________________________________________________________
activation_5 (Activation)    (None, 3, 3)              0         
=================================================================
Total params: 1,450,584
Trainable params: 1,450,584
Non-trainable params: 0

如您所见，模型的输出形状
（无，3，3）
与标签的形状
（无，3）
不兼容，在某些情况下，您需要使用
展平
层。
它不应该是
softmax
而不是
sigmoid
？您的问题是多标签还是多类问题？您的y是热编码的吗？您不能使用
SPARSECATEGORICALCACURACY（）
，但需要
CategoricalAccuracy（）
如果您有一个热编码标签（形状（批次，3）），这是正确的。。。网络也是错误的。。。当网络生成3D时，输出为2D