Python 3.x Keras期望2d阵列和（1，）形状同时出现

我加载了一个keras模型

model = keras.models.load_model('myModel.h5')
model.fit(x,y, batch_size=1, epochs=2)

在这里的最后一行，它显示了一个错误，它希望y是一个2D输入。我的y文件的样本是 [0,0,-1] 可以在2Ds内更改为[[0,0，-1]]或[[0]、[0]、-1]] 在第一种情况下， 错误：获取了具有shape3的数组，其中应为shape1， 在第二种情况下 错误：有3个示例，其中预期有1个

在本培训部分之前，我运行model.predict，在此过程中，它给出格式为[[0.00251，-0.00526,0.005476]]的输出

我错过了什么

模型定义

inputs = Input(shape=(32,32,1))
denseModel = DenseNet121(include_top=False, weights=None, input_shape=(32,32,1), pooling='avg')(inputs)
denseModel = Dense(32, activation='relu')(denseModel)
denseModel = BatchNormalization()(denseModel)
denseModelPrediction = Dense(3, activation='tanh', name='predictions')(denseModel)

myModel = Model(inputs=inputs, outputs=denseModelPrediction)
myModel.compile(loss='sparse_categorical_crossentropy', optimizer='rmsprop', metrics=['accuracy'])
myModel.save('myModel.h5')

---

仅仅在这里初始化它

你的损失函数稀疏\分类\交叉熵期望你的y值是一个热编码的。由于您有三个输出节点，因此丢失的是一个y值和一个3，形状，因此是您的第一个错误

---

如果你试图回归三个独立的概率，我建议你把损失换成比较数字的东西，例如loss='mse'均方误差。这将解决您的输入形状问题。您可能还想考虑将输出激活设置为SigMID，以强制它在0和1之间。

在您保存模型之前，我们能看到您的模型定义吗？@ JMNSUSAI我编辑了所需的模型。谢谢。这是分类网络吗？你给出的例子是[0，0，-1]。这与您试图从网络中获得的三个独立输出有关，还是这三个连续的样本有关？3个独立的输出。但我想让它们表明某种可能性。它们不是用来分类的，可以被看作是独立的。预测的概率介于-1和1之间，但真实样本是-1、0或1，所以这很奇怪-我甚至无法像您在最新版本的Keras上那样定义网络。DenseNet在抱怨你的尺寸太大了。杰姆萨萨。这个参数也可以反过来，比如在时间1，时间2和时间3向右移动的概率，所以如果我得到-1，它就会向左移动。这就是我为什么要把它晒黑的原因。