我在使用Keras的函数式API（使用TensorFlow后端）训练一个文本情感分类模型，该模型具有多个输出层。模型的输入是一个由Keras预处理API的hashing_trick()函数生成的哈希值的Numpy数组，目标是一个包含二进制独热标签的Numpy数组列表，符合Keras关于训练多输出模型的规范（请参见fit()的文档：https://keras.io/models/model/）。

以下是模型的代码，除了大部分预处理步骤外：

    textual_features = hashing_utility(filtered_words) # Numpy数组，包含哈希值（训练数据）
    label_list = [] # 将最终包含一个二进制独热标签的Numpy数组列表
    for index in range(one_hot_labels.shape[0]):
        label_list.append(one_hot_labels[index])
    weighted_loss_value = (1/(len(filtered_words))) # 每个输出层的损失的权重相同
    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)

以下是训练此模型时产生的错误跟踪的要点：

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

回答：

您的numpy数组（输入和输出）应该包含批次维度。如果您的标签当前形状为(2,)，您可以按以下方式重塑它们以包含批次维度：

label_array = label_array.reshape(1, -1)