Python 如何为Keras和x27准备这些标签；那是什么？ValueError:预期稠密_14有4个维度

我有一个包含30个nii图像和30个标签的数据集，如下所示：

1     1
2     1
3     1
4     1
5     1
6     1
8     1
9     1
10    1
11    1
12    1
13    1
14    1
17    1
18    1
19    1
20    1
21    1
22    1
23    1
24    1
26    2
27    2
28    2
29    2
30    2

但是当我将图像和标签提供给这个网络时：

model_conv2d = Sequential()
model_conv2d.add(Conv2D(32, batch_size=30, kernel_size=(8,6), input_shape=(61, 61, 61)))
model_conv2d.add(MaxPooling2D())
model_conv2d.add(Conv2D(64, kernel_size=(8,6)))
model_conv2d.add(Dropout(0.2))
model_conv2d.add(Dense(1, activation="sigmoid"))

我得到这个错误：

ValueError: Error when checking target: expected dense_14 to have 4 dimensions, but got array with shape (25, 2)

我该怎么办？以下是我如何准备标签：

X_rs=X.重塑（30，-1）

你能告诉我我做错了什么吗

---

谢谢。

我认为您的问题来自

密集层。应用
密集
之前没有
展平
层，因此其输出形状为（批次大小，20,23,1）

因此，当您通过带有形状（批次大小，数字标签）的
y\u序列
（或
y\u测试
）时，会弹出错误，因为网络的输出形状是（批次大小，20，23，1）

您应该尝试以下方法：

model_conv2d=Sequential（）
模型conv2d.add（conv2d（32，批处理大小=30，内核大小=（8,6），输入形状=（61,61,61）））
模型_conv2d.add（MaxPoolig2D（））
模型conv2d.add（conv2d（64，内核大小=（8,6）））
模型_conv2d.add（展平（））
模型_conv2d.add（辍学（0.2））
模型conv2d.add（密集（1，activation=“sigmoid”））

scaler = StandardScaler()
binarizer = OneHotEncoder()
X_scaled = scaler.fit_transform(X_rs)
y_binned = binarizer.fit_transform(y.values.reshape(-1, 1))
X_train = X_scaled[:25, :].reshape(25, 61, 61, 61)
y_train = y_binned[:25]
X_test = X_scaled[25:, :]
y_test = y_binned[25:]