我在尝试使用Keras 2.0.8、Python 3.6.1和Tensorflow后端训练我的模型时遇到了问题。

错误信息：

ValueError: 检查目标时出错：期望dense_4的形状为(None, 2)，但得到的数组形状为(2592, 1)

X_train = numpy.swapaxes(X_train, 1, 3)X_test = numpy.swapaxes(X_test, 1, 3)print("X_train shape: ") --> size = (2592, 1, 1366, 96)print("-----")print("X_test shape") --> size = (648, 1, 1366, 96)print("-----")print(Y_train.shape) --> size = (2592,)print("-----")print("Y_test shape") --> size = (648,)

相关代码片段：

K.set_image_dim_ordering('th')K.set_image_data_format('channels_first')def create_model(weights_path=None):    model = Sequential()    model.add(Conv2D(32, kernel_size=(3, 3),activation='relu', padding="same", input_shape=(1, 1366, 96)))    model.add(Conv2D(64, (3, 3), activation='relu', dim_ordering="th"))    model.add(MaxPooling2D(pool_size=(2, 2)))    model.add(Flatten())    model.add(Dense(128, activation='relu'))    model.add(Dropout(0.1))    model.add(Dense(64, activation='relu'))    model.add(Dropout(0.1))    model.add(Dense(16, activation='relu'))    model.add(Dense(2, activation='softmax'))    if weights_path:        model.load_weights(weights_path)    return modelmodel = create_model()model.compile(loss=keras.losses.categorical_crossentropy,              optimizer=keras.optimizers.SGD(lr=0.01),              metrics=['accuracy'])history = model.fit(X_train, Y_train,      batch_size=32,      epochs=100,      verbose=1,      validation_data=(X_test, Y_test))

第142行，我调用model.fit()的地方出现了这个错误

我尝试过的解决此错误的方法参考了这些Stack Overflow帖子：

我尝试使用以下代码重塑Y_test和Y_train的numpy数组：

Y_train.reshape(2592, 2)Y_test.reshape(648, 2)

然而，我得到了以下错误：

ValueError: 无法将大小为2592的数组重塑为形状(2592,2)

回答：

由于您使用了categorical_crossentropy损失函数，您必须使用one-hot编码的标签。为此，您可以使用keras.utils.np_utils中的to_categorical函数

from keras.utils import np_utilsy_train_onehot = np_utils.to_categorical(y_train)y_test_onehot = np_utils.to_categorical(y_test)

然后使用one-hot编码的标签来训练您的模型。