我通过以下方式加载Keras模型：

model = keras.models.load_model('myModel.h5')model.fit(x,y, batch_size=1, epochs=2)

在最后一行显示了一个错误，表示它希望y是一个2D输入。我的y文件样本是[0,0,-1]，可以更改为[[0,0,-1]]或[[0],[0],[-1]]以转换为2D格式。在第一种情况下，错误为：得到形状为(3,)的数组，而期望的形状为(1,)；在第二种情况下，错误为：有3个样本，而期望1个样本。

在进行训练之前，我运行了model.predict()，在此过程中它输出的格式为[[0.00251, -0.00526, 0.005476]]

我错过了什么？

模型定义

inputs = Input(shape=(32,32,1))denseModel = DenseNet121(include_top=False, weights=None, input_shape=(32,32,1), pooling='avg')(inputs)denseModel = Dense(32, activation='relu')(denseModel)denseModel = BatchNormalization()(denseModel)denseModelPrediction = Dense(3, activation='tanh', name='predictions')(denseModel)myModel = Model(inputs=inputs, outputs=denseModelPrediction)myModel.compile(loss='sparse_categorical_crossentropy', optimizer='rmsprop', metrics=['accuracy'])myModel.save('myModel.h5')

这里只是初始化它

回答：

您的损失函数（sparse_categorical_crossentropy）期望您的y值进行独热编码。由于您有三个输出节点，损失函数期望y值具有(3,)的形状，因此出现了您的第一个错误。

如果您试图回归三个独立的概率，我建议将损失函数切换为比较数字的函数（例如loss='mse'均方误差）。这应该能解决您的输入形状问题。您还可以考虑将输出激活函数设置为sigmoid，以便其被强制在零和一之间。