Python 检查目标时出错：预期softmax_1具有形状（1），但获得了具有形状（2）和#x27；的数组；，凯拉斯

我第一次使用Keras构建Conv-Net。我的图层如下：

layers = [
Conv2D(8,kernel_size=(4,4),padding='same',input_shape=( 200, 180,3),kernel_initializer="glorot_normal",data_format="channels_first"),
Activation("relu"),
MaxPooling2D(pool_size=(8,8),padding='same',data_format='channels_first'),
Conv2D(16,(2,2),padding='same',kernel_initializer="glorot_normal"),
Activation("relu"),
MaxPooling2D(pool_size=(4,4),padding='same',data_format='channels_first'),
Conv2D(4,(3,3),padding='same',kernel_initializer="glorot_normal"),
Activation("relu"),
MaxPooling2D(pool_size=(2,2),padding='same',data_format='channels_first'),
Flatten(),
Dense(2,input_shape=(48,)),
Softmax(axis=-1)
]
#Edit, here is the part for compiling the model and fitting it
model = Sequential(layers)    

model.compile(optimizer="adam",loss="sparse_categorical_crossentropy" 
metrics=["accuracy"])
trainHistory = model.fit(x=X_train,y=Y_train,batch_size=3,epochs=1000)

我的标签数组的形状为

（，2）

。但是当我尝试在模型上使用fit时，它给了我一个错误，即

softmax_1

预期具有形状

（1，）

。但是我已经清楚地提到了密度为2的

单位，softmax返回与输入相同维度的输出

那么1是从哪里来的呢？我尝试使用1维的虚拟标签数组，它运行了。那么我做错了什么？如何使用我拥有的二维数组？
问题是您使用的是
稀疏\u分类\u交叉熵
作为损失函数。当给定标签（即
Y\u列
）被编码为整数（即0、1、2、…）时，使用该损失函数。但是，如果标签是一个热编码的标签（代码中似乎就是这种情况），则需要使用
categorical\u crossentropy
作为损失函数。
问题是您使用
sparse\u categorical\u crossentropy
作为损失函数。当给定标签（即
Y\u列
）被编码为整数（即0、1、2、…）时，使用该损失函数。但是，如果标签是一个热编码的，这在您的代码中似乎是这样，那么您需要使用
分类\u交叉熵
作为损失函数。
您的代码对我来说似乎很好。确保标签数组的形状为
（n_samples，2）
。是的，它的形状为（num of samples，2）。这就是为什么我不明白怎么回事？为什么错误是（1，）而它显然是（2，）我测试了你的代码，它在我的机器上工作。奇怪的是，如果目标形状是正确的，它会给你这个错误。尝试升级Keras，看看它是否已解决。此外，您能否添加构建模型的代码以及
fit
调用？@今天我添加了fit调用。请检查一下，我觉得你的代码很好。确保标签数组的形状为
（n_samples，2）
。是的，它的形状为（num of samples，2）。这就是为什么我不明白怎么回事？为什么错误是（1，）而它显然是（2，）我测试了你的代码，它在我的机器上工作。奇怪的是，如果目标形状是正确的，它会给你这个错误。尝试升级Keras，看看它是否已解决。此外，您能否添加构建模型的代码以及
fit
调用？@今天我添加了fit调用。请检查一下，谢谢。这就是问题所在。keras文档页面没有对损失的正确描述。我正在从tf转换为keras，不知道用哪个来弥补损失。非常感谢。这就是问题所在。keras文档页面没有对损失的正确描述。我正在从tf转换为keras，不知道该用哪个来弥补损失。