Python ValueError:形状（无，1）和（无，3）不兼容

我有一个音频文件的三维数据集，其中

X.shape

是

（329,20,85）

。我希望有一个简单的裸体模型运行，所以请不要挑剔，只解决手头的问题。代码如下：

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.LSTM(32, return_sequences=True, stateful=False, input_shape = (20,85,1)))
model.add(tf.keras.layers.LSTM(20))
model.add(tf.keras.layers.Dense(nb_classes, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=["accuracy"])
model.summary()
print("Train...")
model.fit(X_train, y_train, batch_size=batch_size, nb_epoch=50, validation_data=(X_test, y_test))

但后来我在标题中提到了一个错误：

ValueError:形状（无，1）和（无，3）不兼容

这是

model.summary（）

为此，我遵循post并将Tensorflow更新为最新版本，但问题依然存在。这篇文章完全不相关，而且非常不可靠。尽管有一点相关，但这篇帖子暂时还没有得到回复

更新1.0:

我强烈认为问题与最后的

density

层有关，在该层中，我将nb_类分为3类，因为我在

y

中对3类进行分类

因此，我将

densed

层的

nb_类

更改为1，它运行模型并给出这个输出，我认为这个输出是错误的

Train...
9/9 [==============================] - 2s 177ms/step - loss: 0.0000e+00 - accuracy: 0.1520 - val_loss: 0.0000e+00 - val_accuracy: 0.3418

<tensorflow.python.keras.callbacks.History at 0x7f50f1dcebe0>

火车。。。
9/9[=====================================================================2s 177ms/步-损耗：0.0000e+00-精度：0.1520-val\u损耗：0.0000e+00-val\u精度：0.3418

更新2.0:

我对

y

s进行了热编码，并解决了形状问题。但是现在上面的

输出仍然存在。有什么帮助吗？或者我应该为此发布一个新问题？谢谢你的帮助

---

我应该如何继续，或者应该更改什么？

第一个问题是LSTM输入形状<代码>输入形状=（20,85,1）

从文档：

LSTM层需要具有形状的三维张量（批量大小、时间步长、输入尺寸）。

model.add（tf.keras.layers.Dense（nb_classes，activation='softmax'））

-这表明您正在进行多类分类

因此，您需要您的

y\u训练

和

y\u测试

必须是一个热编码。这意味着它们必须具有维度

（样本数，3）

，其中

3

表示类的数量

您需要将

tensorflow.keras.utils.to\u category

应用于它们

y_train = to_categorical(y_train, 3)
y_test = to_categorical(y_test, 3)

参考：

tf.keras.callbacks.History（）

-此回调自动应用于每个keras模型。历史对象由模型的fit方法返回

---

参考：

检查最后一个密集层（输出）的类数是否与训练数据集中的目标类数相同。我在训练数据集并纠正数据集时犯了类似的错误，这对我很有帮助。

您的y_train标签的形状是什么？你使用了一个热编码的吗？@MarcoCerliani

y

的形状是

（329,1）

，即一维。我一定要喝一杯热饮吗？当然。。。要进行分类（y\u train，3）@MarcoCerliani，你能检查第二次更新吗？使用“稀疏分类交叉熵”可以节省一个热编码步骤，你能检查问题中的第二次更新吗？你是说这个

？是的，那个错误。它甚至没有把它当作一个错误，只是把它打印成输出。它不是一个错误。。。这是正常的输出打印，别担心，这是日志，不是错误。您可以更改tensorflow的日志级别，或者尝试以下操作，

hist=model.fit（X\u列，y\u列，批次大小=批次大小，nb\u历元=50，验证数据=（X\u测试，y\u测试））

y_train = to_categorical(y_train, 3)
y_test = to_categorical(y_test, 3)