Python ValueError:检查目标时出错：预期密集_3具有形状（1），但获得具有形状（2，）的数组keras

当我尝试从pyimagesearch学习CNN时，我发现了这个错误。我曾尝试将最后一个密度从3改为1，但它没有解决我的问题，我已经将它改为binnar_crossentroypy，但它仍然不起作用。这是我的代码。很抱歉，这是一个愚蠢的问题，也许是同一个问题，但我已经做了我能做的

ss# grab the image paths and randomly shuffle them
imagePaths = sorted(list(paths.list_images(args["dataset"])))
random.seed(42)
random.shuffle(imagePaths)


for imagePath in imagePaths:
# load the image, resize the image to be 32x32 pixels (ignoring
# aspect ratio), flatten the image into 32x32x3=3072 pixel image
# into a list, and store the image in the data list
image = cv2.imread(imagePath)
image = cv2.resize(image, (32, 32)).flatten()
data.append(image)

# extract the class label from the image path and update the
# labels list
label = imagePath.split(os.path.sep)[-2]
labels.append(label)

# scale the raw pixel intensities to the range [0, 1]
data = np.array(data, dtype="float") / 255.0
labels = np.array(labels)

 # partition the data into training and testing splits using 75% of
 # the data for training and the remaining 25% for testing
  (trainX, testX, trainY, testY) = train_test_split(data,
   labels, test_size=0.25, random_state=42)



 lb =  LabelEncoder()
 trainY = lb.fit_transform(trainY)
 testY = to_categorical(testY, 2)


 # define the 3072-1024-512-3 architecture using Keras
 model = Sequential()
 model.add(Dense(1024, input_shape=(3072,), activation="sigmoid"))
 model.add(Dense(512, activation="sigmoid"))
 model.add(Dense(1, activation="softmax"))

---

将此行

trany=to_category（trany，2）

添加到此行

testY=to_category（testY，2）

之后。并将最后一层更改为

model.add（稠密（2，activation=“softmax”）

，因为它应该与目标一样的2D矩阵相匹配。此外，如果损失函数不是分类函数，请确保它是分类函数。

错误可能来自以下行：

model.add(Dense(1, activation="softmax"))

神经网络期望数组y只有一个值。这没有任何意义，因为y的维度有两个值。因此，您应该尝试以下方法：

model.add(Dense(2, activation="softmax"))

---

如果2是您正在使用的类数。

我试图将其更改为模型。添加（稠密（2，activation=“softmax”））但得到此错误值错误：检查目标时出错：预期稠密（3）具有形状（2），但得到了具有形状（1）的数组，但我有一个问题，在pyimagesearch web中，作者告诉读者将其更改为二进制交叉tentropy，因为只有两个类，它对我的培训模型有效吗？很高兴我能提供帮助。根据我的理解，分类交叉熵更灵活，因为它还可以处理二进制类。相比之下，二进制交叉熵只适用于两类。在两个班上，他们做的是相同的。我有更多的问题为什么我需要用labelencoder对我的训练进行编码？