检查目标时出错：预期 dense_3 的形状为 (2,) 但得到的数组的形状为 (1,)

Question

我正在 Keras 的功能 API（使用 TensorFlow 后端）中训练具有多个输出层的文本情感分类模型。该模型将由 Keras 预处理 API 的 hashing_trick() 函数生成的散列值的 Numpy 数组作为输入，并根据 Keras 规范使用二进制 one-hot 标签的 Numpy 数组的 list 作为其目标用于训练具有多个输出的模型（请参阅此处的 fit() 文档：https://keras.io/models/model/）。

这是模型，没有大部分预处理步骤：

    textual_features = hashing_utility(filtered_words) # Numpy array of hashed values(training data)

    label_list = [] # Will eventually contain a list of Numpy arrays of binary one-hot labels 

    for index in range(one_hot_labels.shape[0]):
        label_list.append(one_hot_labels[index])

     weighted_loss_value = (1/(len(filtered_words))) # Equal weight on each of the output layers' losses

     weighted_loss_values = []

     for index in range (one_hot_labels.shape[0]):
        weighted_loss_values.append(weighted_loss_value)


     text_input = Input(shape = (1,))


     intermediate_layer = Dense(64, activation = 'relu')(text_input)


     hidden_bottleneck_layer = Dense(32, activation = 'relu')(intermediate_layer)

     keras.regularizers.l2(0.1)

     output_layers = []

     for index in range(len(filtered_words)):
        output_layers.append(Dense(2, activation = 'sigmoid')(hidden_bottleneck_layer))

     model = Model(inputs = text_input, outputs = output_layers)            
     model.compile(optimizer = 'RMSprop', loss = 'binary_crossentropy', metrics = ['accuracy'], loss_weights = weighted_loss_values)                          

     model.fit(textual_features, label_list, epochs = 50)

这是该模型产生的错误跟踪训练的要点：

ValueError: 检查目标时出错：预期dense_3 的形状为(2,)，但得到的数组的形状为(1,)

Answer 1

您的numpy arrays（用于输入和输出）应包含批处理维度。如果您的标签当前的形状为 (2,)，您可以将它们重新调整为包含批处理维度，如下所示：

label_array = label_array.reshape(1, -1)

Answer 2

我用过

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

安装

model.compile(optimizer='adam',loss='sparse_categorical_crossentropy',metrics=['accuracy'])

我改变了损失，它对我有用。