keras中的输入形状（该损失预计目标与输出形状相同）

这是我第一次使用keras，我正试图遵循我在网上找到的教程，并将我自己的数据与之匹配。我有一个矩阵和二进制标签

> str(d_train)
 num [1:1062, 1:180] -0.04748 0.04607 -0.05429 -0.0126 -0.00219 ...
> str(trainlabels)
 num [1:1062, 1:2] 0 0 0 0 0 0 1 0 0 0 ...

我的代码：

model = keras_model_sequential()
model %>%
  layer_dense(units = 8, activation = 'relu', input_shape = c(180)) %>%
  layer_dense(units = 3, activation = "softmax")
summary(model)
## Compile
model %>%
  compile(loss = "binary_crossentropy",
          optimizer = "adam",
          metrics = "accuracy")
## Fit model
history = model %>%
  fit(d_train,
      trainlabels,
      epoch=200,
      batch_size=32,
      validation_split=0.2)

我似乎无法适应模型，我收到以下错误消息：

Error in py_call_impl(callable, dots$args, dots$keywords) : 
  ValueError: A target array with shape (1062, 2) was passed for an output of shape (None, 3) while using as loss `binary_crossentropy`. This loss expects targets to have the same shape as the output.

---

根据错误消息，要求输入数组的不同形状，我尝试更改周围的尺寸，但没有成功。

我不是R专家，但在这里：

layer_dense(units = 3, activation = "softmax")

您告诉Keras您的网络的输出有三个类。您的标签有shape

（1062，2）

，这表明它有两个类，因此存在不一致性

你可以在上一次密集训练中改变

units=2

，它应该会起作用。还请注意，您正在使用

softmax

激活，在这种情况下，您应该更喜欢使用

category\u crossentropy

loss

---

要使用

binary\u crossentropy

进行二进制分类，您应该有

units=1

，

sigmoid

激活，标签应该是

（1062，1）

或

（1062，）

，这意味着它们是0-1编码的。

谢谢您的建议。我尝试了以下方法：将最后一层密度更改为1，使用了带有二进制交叉熵的“sigmoid”激活，而不是一个热编码，只使用了二进制编码值向量（num[1:1062]11 11 11 11…），我得到了另一个错误：py_调用impl中的错误（可调用，dots$args，dots$keywords）：UnboundLocalError:之前引用的局部变量“a”assignment@MarekPrachař这看起来像是tensorflow或keras的不兼容版本，您应该尝试这两个版本的最新版本（tf 1.13和keras 2.2.4）。好的，看来tensorflow版本1.13存在问题，可以通过以下方法解决：安装_tensorflow（version=“1.12”）在那之后它开始工作了！非常感谢。