Python 预期稠密_8具有形状（2），但获得具有形状（1）的数组

我正在尝试创建一个用于分析ECG信号的多通道1D CNN。我有258个12导联心电图，长度为300个样本，所以我的输入维度是（258300,12）

我正在运行上面的代码，并得到以下错误

ValueError:检查目标时出错：预期稠密_8具有形状（2），但获得具有形状（1）的数组

---

谢谢你的帮助

那么，您正在解决一个二进制分类问题。
错误消息表明我们的模型需要标签的形状

（2，）

，我假设您使用的是

num\u classes=2

。但是，您的标签是

1

或

0

，因为提供的标签形状是

（1，）

。要解决此错误，您必须更改模型的输出密集层，该层应该有一个具有

sigmoid

激活功能的神经元

model.add(Dense(num_classes, activation='sigmoid'))  # num_classes=1

---

因此，您正在解决一个二进制分类问题。
错误消息表明我们的模型需要标签的形状

（2，）

，我假设您使用的是

num\u classes=2

。但是，您的标签是

1

或

0

，因为提供的标签形状是

（1，）

。要解决此错误，您必须更改模型的输出密集层，该层应该有一个具有

sigmoid

激活功能的神经元

model.add(Dense(num_classes, activation='sigmoid'))  # num_classes=1

---

你想这样训练模特儿

model.add(Dense(num_classes, activation='softmax'))

model.fit（X\u序列、y\u序列、epochs=10、批量大小=20、详细度=1、验证分割=0.2）

y\u序列的形状类似于
（n，1）
，其中
n
是用于训练的样本数

现在，您正在使用最后一层构建一个模型，如下所示

model.add(Dense(num_classes, activation='softmax'))

从错误消息可以推断，您正在设置
num\u classes=2
。因此，最后一层将有
2个
节点。这样的模型期望
y\u列
的形状
（n，2）
。但是您使用的是
y\u train
的形状
（n，1）

为了修复错误，可以将最后一层更改为

num_classes = 1
model.add(Dense(num_classes, activation='sigmoid'))

请注意，激活功能应更改为
sigmoid
您正在尝试这样训练模型

model.add(Dense(num_classes, activation='softmax'))

model.fit（X\u序列、y\u序列、epochs=10、批量大小=20、详细度=1、验证分割=0.2）

y\u序列的形状类似于
（n，1）
，其中
n
是用于训练的样本数

现在，您正在使用最后一层构建一个模型，如下所示

model.add(Dense(num_classes, activation='softmax'))

从错误消息可以推断，您正在设置
num\u classes=2
。因此，最后一层将有
2个
节点。这样的模型期望
y\u列
的形状
（n，2）
。但是您使用的是
y\u train
的形状
（n，1）

为了修复错误，可以将最后一层更改为

num_classes = 1
model.add(Dense(num_classes, activation='sigmoid'))

请注意，激活功能应更改为
sigmoid
，错误发生在哪里？你试过调试什么？我建议阅读以下文章：。您的培训数据是什么形状的？错误发生在哪里？你试过调试什么？我建议阅读以下文章：。你的训练数据是什么形状的？很高兴知道它有帮助。很高兴知道它有帮助。