我在使用Keras创建一个密集型机器学习模型时遇到了这个错误

ValueError: Error when checking target: expected dense_3 to have shape (1,) but got array with shape (9,)

这是我的模型设置方式

get_custom_objects().update({'swish': Swish(swish)})model = Sequential()model.add(Dense(33, activation='swish', input_shape=(trainX.shape[1],)))model.add(Dense(33, activation='swish'))model.add(Dense(9, activation='softmax'))#Train Networkmodel.compile(optimizer="adam", loss=keras.losses.sparse_categorical_crossentropy, metrics=["accuracy"])model.fit(trainX, trainY, validation_split=0.2, epochs=3)

trainX 和 trainY 是 pandas DataFrame，其中trainX 有2列，trainY 有9列。

我不确定为什么它显示应为(1,)，因为我指定输出层有9个神经元。

任何帮助都将不胜感激。

回答：

来自Keras文档：

当使用sparse_categorical_crossentropy损失函数时，您的目标应该是整数目标。如果您有分类目标，您应该使用categorical_crossentropy。

所以您应该将

model.compile(optimizer="adam", loss=keras.losses.sparse_categorical_crossentropy, metrics=["accuracy"])

替换为

model.compile(optimizer="adam", loss=keras.losses.categorical_crossentropy, metrics=["accuracy"])

这是因为trainY是一个分类目标，因为它有9列而不是一个整数。