tensorflow 多标签分类 - 不兼容的形状：[7,5] vs. [7]

Question

我正在尝试创建一个多标签分类器，但遇到了问题。我有 5 个课程，在尝试训练网络时遇到困难，我对机器学习比较陌生，这是我构建的第一个多标签分类器。

我的代码：

```
def createModel(learn, act):

    model = models.Sequential()
    model.add(layers.Conv2D(32, (9,9), activation=act, input_shape=(512,512,1)))
    model.add(layers.AveragePooling2D((2,2)))
    model.add(layers.Conv2D(64, (9, 9), activation=act))
    model.add(layers.AveragePooling2D((2,2)))
    model.add(layers.Conv2D(64, (6, 6), activation=act))
    model.add(layers.MaxPooling2D((2,2)))
    model.add(layers.Conv2D(96, (6, 6), activation=act))
    model.add(layers.MaxPooling2D((2,2)))
    model.add(layers.Conv2D(128, (3, 3), activation=act))
    model.add(layers.MaxPooling2D((2,2)))
    model.add(layers.Conv2D(128, (3, 3), activation=act))
    model.add(layers.Flatten())
    model.add(layers.Dense(128, activation=act))
    model.add(layers.Dense(5, activation='sigmoid'))
    model.compile(optimizer=optimizers.Adam(learning_rate=learn), loss='binary_crossentropy', metrics=['accuracy'])

    return model


model = createModel(0.005, 'tanh')
History = model.fit(Xtrain, ytrain, epochs=300, validation_data=(Xtest, ytest), verbose=0)
```

由于我的数据集格式非常奇怪，我使用了自己的拆分功能，因此我必须使用预先存在的数据创建自己的标签，然后通过热编码器运行。生产像 s0 这样的标签：

```array([[[1., 0.],
        [1., 0.],
        [1., 0.],
        [0., 1.],
        [1., 0.]]```

我使用 10 个图像数组作为测试，拆分 70% 训练 30% 测试，但是当我开始训练网络时，出现以下错误：>

```Incompatible shapes: [7,5] vs. [7]
     [[node Equal (defined at <ipython-input-54-eb6611e36e68>:3) ]] [Op:__inference_train_function_4978]```

这是什么意思，我该如何解决？

Answer 1

我移除了热编码器，它将标签恢复为以前的 [0.,0.,0.,1.,0.] 形式，然后我可以训练网络。