Fatal编程技术网
  • python/
  • Python 输出层'；s形状始终为（1，）

Python 输出层'；s形状始终为（1，）

python keras jupyter-notebook

Python 输出层'；s形状始终为（1，）,python,keras,jupyter-notebook,shapes,Python,Keras,Jupyter Notebook,Shapes,我正在尝试制作一个简单的Keras模型。但是，无论我指定的输出形状是什么，输出层总是形状（1，），因此我无法训练我的模型，因为输出层和目标数据形状不匹配 导入keras 从keras.models导入顺序 从keras.layers导入InputLayer、LSTM和Dense #63是唯一字符数 #128是字符序列的长度 X=…#X是一个单色的数组；X.shape==（96092128，63） Y=…#Y是一个炎热的夜晚；Y.shape==（96092,63） 模型=顺序（） 添加（Input

我正在尝试制作一个简单的Keras模型。但是，无论我指定的输出形状是什么，输出层总是形状
（1，）
，因此我无法训练我的模型，因为输出层和目标数据形状不匹配

导入keras
从keras.models导入顺序
从keras.layers导入InputLayer、LSTM和Dense
#63是唯一字符数
#128是字符序列的长度
X=…#X是一个单色的数组；X.shape==（96092128，63）
Y=…#Y是一个炎热的夜晚；Y.shape==（96092,63）
模型=顺序（）
添加（InputLayer（[128，63]））
型号.添加（LSTM（96））
模型.添加（密度（63））
model.compile(
优化器=keras.optimizers.RMSprop（1e-3，衰减=1e-5），
损失=keras.loss.sparse\u分类\u交叉熵，
)
model.fit（X，Y）#ValueError:检查目标时出错：预期密集#4具有形状（1），但获得具有形状（63，）的数组
如您所见，输出密集层的形状是
（1，）
，但它必须是
（63，）
。我做错了什么

我使用的是带有预装Keras的Google Colab。

错误是输出层的形状是63。然而，出于某种原因，它期望1

在本例中，它期望1的原因是因为您使用的是
sparse\u categorical\u crossentropy
，它期望一个表示输出类别索引的整数。相反，请使用
categorical\u crossentropy
，这需要对输出类别进行一次热编码。

您使用的是什么损失函数？请参阅更新后的文章，其中显示了
模型。编译
参数