Python 训练Keras模型时使用稀疏数组表示标签

我正在建立一个Keras模型，将数据分为3000个不同的类，我的训练数据由大量样本组成，因此在一个热编码中对训练输出进行编码后，数据非常大（item_count*3000*浮点大小+输入数据大小）

---

有没有可能将稀疏数组作为训练数据的输出传递给keras，有没有任何建议的解决方案？

您可以使用稀疏分类交叉熵损失函数来稀疏表示您的基本事实

# assuming get_model() returns your Keras model with an output_shape == [None, 3000]
# assuming get_data() returns training data, with y_train having shape == [num_samples]

x_train, y_train = get_data()
model = get_model()
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=10, batch_size=16)

---

你是说y_列的形状为[num_samples]？是的，改变了。