另一个“检查目标时发生错误：预期density_2的形状为4，，但数组的形状为1，”

如何解决另一个“检查目标时发生错误：预期density_2的形状为4，，但数组的形状为1，”

我正在Python 3中使用Keras。我遇到的问题似乎与许多其他问题类似，尽管我没有看到如何设置该问题，但我能告诉我的最好情况是我可能需要使用Flatten（）。参数正确。我收到错误消息：

ValueError：检查目标时出错：预期density_2具有形状（4，）但形状为（1，）
的数组

我的数据还不是图像，但它们是我已经放入数据帧的序列。

model = Sequential()
model.add(Dense(30,input_dim=16,activation='relu'))
model.add(Dense(len(TheBinsizeList),activation='softmax'))
model.compile(loss='categorical_crossentropy',optimizer='adam',metrics=['accuracy'])


model.fit(Train_Columns,TrainTarget_Columns.to_frame(),epochs=100,batch_size=64)

print(Train_Columns.shape)
# Gives a value of (1627,16)


print((TrainTarget_Columns.to_frame()).shape)
# Gives a value of (1627,1)

现在TrainTarget_Columns的值是这两个元组的1627：

（1494，3）（1080，2）（1863，2）（919，4）（1700，2）（710，4）（1365，4）（1815，3）（1477，2）（1618），1）...

主题编号是每个小管中的第一个条目，第二个条目是作为训练目标的值。

虽然我看到将density_2中的TheBinsizeList从4更改为2会导致期望的形状从（4，）变为（2，），但我看不到如何正确使用Flatten（如果需要）格式化值。

Model: "sequential_1"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense_1 (Dense)              (None,30)                510       
_________________________________________________________________
dense_2 (Dense)              (None,4)                 124       
=================================================================
Total params: 634
Trainable params: 634
Non-trainable params: 0

感谢您的任何帮助。

解决方法

考虑到模型摘要，模型需要输入形状(batch_size,16)和目标形状(batch_size,4)。

如果目标的形状为(1627,1)，则说明您有问题。

解决方案：将其更改为一个热门变量（例如，使用tf.one_hot(y,n_classes)），错误应消失

import numpy as np
import tensorflow as tf

input_dim = 16
hidden_dim = 30
n_classes = 4

model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(hidden_dim,input_dim=input_dim,activation='relu'))
model.add(tf.keras.layers.Dense(n_classes,input_dim=hidden_dim,activation='relu'))
model.compile(loss='categorical_crossentropy',optimizer='adam',metrics=['accuracy'])

X = np.random.randn(100,input_dim)
y = np.random.randint(0,n_classes,size=(100,))

model.fit(X,y)
# ValueError: Shapes (None,1) and (None,4) are incompatible

y = tf.one_hot(y,n_classes)
model.fit(X,y)
# Works !