Tensorflow 我正在研究多类文本分类，如何将一个热编码传递到keras模型，以便在ytrainset中进行训练？

我正在研究文本分类问题。我的ytrain中有9个标签，但当我将xtrain和ytrain传递给model时，它给了我一个错误：它应该有形状（1），但得到（9）。我的ytrain尺寸是（32,9）。Ytrain的照片附于此：

以下是我的模型：

model = Sequential()
model.add(layers.Embedding(input_dim=vocab_size, output_dim=embedding_dim, input_length=max_len))
model.add(layers.Conv1D(filters=100, kernel_size=4))
model.add(layers.GlobalMaxPooling1D())
model.add(layers.Dense(12, activation='softmax'))
model.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['accuracy',precision,recall,f1])
model.summary()

回溯： 检查目标时出错：预期密集_9具有形状（1），但获得具有形状（9）的数组

---

''

您应该将

y\u train

转换为一个热编码。例如，您可以使用。

我在问其他问题。我的数组已经是一种热编码形式。。请查看ytrain的上图。如何将这些数组传递给xtrain中有32行的模型。在一个热编码的ytrain中，我也有32行，但这里也有9列，我想，损失函数中的问题。您是否可以尝试使用

categorical\u crossentropy

，而不是

sparse\u categorical\u crossentropy

。另外，最后一个密集层shout的输出维度等于类的数量=您有9个类，但输出是12个。