我正在学习使用Keras的函数式API，并且已经成功构建并编译了一个模型。但是，当我调用model.fit并传入数据X和标签y时，出现了错误。看来我还没有完全理解它的工作原理。

任务是将句子分类为6种类型，代码如下：

X_ = ... # 形状：(2787, 100) 每行是一个句子，每列是一个特征
y_= ... # 形状：(2787,)
word_matrix_weights= ... # 初始化词汇嵌入查找矩阵的代码。形状：(9825,300)
deep_inputs = Input(shape=(100,))
embedding = Embedding(9825, 300, input_length=100, weights=[word_matrix_weights], trainable=False)(deep_inputs)
flat = Flatten()(embedding)
hidden = Dense(6, activation="softmax")(flat)
model = Model(inputs=deep_inputs, outputs=hidden)
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x=X_,y=y_,epochs=100, batch_size=10, verbose=0) # 此处报错

最后一行产生了错误：

  File "/home/zz/Programs/anaconda3/lib/python3.6/site-packages/keras/engine/training.py", line 1555, in fit    batch_size=batch_size)
  File "/home/zz/Programs/anaconda3/lib/python3.6/site-packages/keras/engine/training.py", line 1413, in _standardize_user_data    exception_prefix='target')
  File "/home/zz/Programs/anaconda3/lib/python3.6/site-packages/keras/engine/training.py", line 154, in _standardize_input_data    str(array.shape))
ValueError: 检查目标时出错：期望dense_1的形状为(None, 6)，但得到的数组形状为(2878, 1)

有什么建议吗？

回答：

你的最后一层是一个具有6个单元和softmax激活函数的Dense层。因此，它的输出形状将是(?,6)，其中这6个值分别表示属于相应类别的概率。由于你使用了categorical_crossentropy作为损失函数，标签（即y_）也应该具有相同的形状（即(2787,6)）。你可以使用to_categorical方法对y_进行独热编码：

from keras.utils import to_categorical
y_ = to_categorical(y_)

这种独热编码会将标签转换，例如将3转换为[0,0,0,1,0,0]（假设标签编号从零开始）。

如果你不想对标签进行独热编码，你可以将loss参数更改为'sparse_categorical_crossentropy'。