Python ValueError:检查目标时出错:预期稠密_2有3维,但得到了形状为(10000,1)的数组
我使用keras MLP网络对三维单词向量进行二元分类Python ValueError:检查目标时出错:预期稠密_2有3维,但得到了形状为(10000,1)的数组,python,neural-network,keras,Python,Neural Network,Keras,我使用keras MLP网络对三维单词向量进行二元分类input\u shape=(无,24,73)。我使用了两个密集层densed_1和densed_2。在dense_2上,我遇到了一个无法解决的错误 这是我的模型摘要 Layer (type) Output Shape Param # ================================================================= dense_1
input\u shape=(无,24,73)
。我使用了两个密集层densed_1
和densed_2
。在dense_2
上,我遇到了一个无法解决的错误
这是我的模型摘要
Layer (type) Output Shape Param #
=================================================================
dense_1 (Dense) (None, 8, 90) 6660
_________________________________________________________________
dense_2 (Dense) (None, 8, 1) 91
=================================================================
Total params: 6,751
Trainable params: 6,751
Non-trainable params: 0
ValueError:检查目标时出错:预期密集_2有3个
维度,但获得具有形状的数组(22,1)
由于您有一个二进制_分类任务,您的最后一层应该如下所示
model.add(Dense(1, activation='sigmoid'))
现在,您的模型输出的三维阵列与模型的形状不匹配
您的目标(2D)向我们显示目标(y)的数据形状。从这里我可以看到错误是抱怨你的目标和模型的输出没有相同的形状