Numpy 检查目标时出错：预期密集_1具有形状（1），但获得具有形状（256，）的数组

我正在尝试学习tensorflow，我正在学习演示教程（）

错误报告告诉我

检查目标时出错：预期密集_1具有形状（1，），但获得具有形状（256，）的数组

有人能给我解释一下为什么这行不通吗

train_data = keras.preprocessing.sequence.pad_sequences(train_data,
                                                    value=word_index["<PAD>"],
                                                    padding='post',
                                                    maxlen=256) #max length
test_data = keras.preprocessing.sequence.pad_sequences(test_data,
                                                   value=word_index["<PAD>"],
                                                   padding='post',
                                                   maxlen=256)
vocal_size = 10000
model = keras.Sequential()
model.add(keras.layers.Embedding(vocal_size,16))
model.add(keras.layers.GlobalAveragePooling1D())
model.add(keras.layers.Dense(16,activation=tf.nn.relu))
model.add(keras.layers.Dense(1,activation=tf.nn.sigmoid))

model.compile(optimizer=tf.train.AdamOptimizer(),
          loss='binary_crossentropy',
          metrics=['accuracy'])


x_val = train_data[:10000]
partial_x_train = train_data[10000:]
y_val = train_data[:10000]
partial_y_train = train_data[10000:]


history = model.fit(partial_x_train, partial_y_train, epochs=40, batch_size=512, validation_data=(x_val, y_val), verbose=1)

train\u data=keras.preprocessing.sequence.pad\u序列（train\u数据，
值=单词索引[“”]，
"后",，
最大长度=256）#最大长度
测试数据=keras.preprocessing.sequence.pad_序列（测试数据，
值=单词索引[“”]，
"后",，
maxlen=256）
声音大小=10000
模型=keras.Sequential（）
模型.添加（keras.层.嵌入（人声大小，16））
model.add（keras.layers.globalaveragepoolg1d（））
添加（keras.layers.Dense（16，激活=tf.nn.relu））
添加（keras.layers.Dense（1，激活=tf.nn.sigmoid））
model.compile（optimizer=tf.train.AdamOptimizer（），
损失='binary\u交叉熵'，
指标=[‘准确度’]）
x_val=列车数据[：10000]
部分列车=列车数据[10000:]
y_val=列车数据[：10000]
部分列车=列车数据[10000:]
历史=模型.fit（部分x_序列，部分y_序列，历代=40，批量大小=512，验证数据=（x_val，y_val），详细=1）

错误在这些行中

y_val = train_data[:10000]
partial_y_train = train_data[10000:]

但是教程说应该是这样的

y_val = train_labels[:10000]
partial_y_train = train_labels[10000:]

---

train\u data

表示每次书面审查，而

train\u标签

表示审查是积极的还是消极的。你想让你的模型知道书面评论是正面的还是负面的。

这就解决了问题。Thanks@KevinG很高兴听到。如果答案对你合适，请接受。