我的输入数据如下所示：
[[1, 2, 3][4, 5, 6][7, 8, 9]...]形状为 (1, num_samples, num_features)，标签如下所示：
[[0, 1][1, 0][1, 0]...]形状为 (1, num_samples, 2)。
然而，当我尝试运行以下Keras代码时，出现了这个错误：ValueError: Error when checking model target: expected dense_1 to have 2 dimensions, but got array with shape (1, 8038, 2)。据我所知，这似乎是因为我的标签是二维的，而不是简单的整数。这是正确的吗？如果是的话，如何在Keras中使用独热编码标签？
以下是代码：
num_features = 463trX = np.random(8038, num_features)trY = # one-hot array of shape (8038, 2) as described abovedef keras_builder(): #generator to build the inputs while(1): x = np.reshape(trX, (1,) + np.shape(trX)) y = np.reshape(trY, (1,) + np.shape(trY)) print(np.shape(x)) # (1, 8038, 463) print(np.shape(y)) # (1, 8038, 2) yield x, ymodel = Sequential()model.add(LSTM(100, input_dim = num_features))model.add(Dense(1, activation='sigmoid'))model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])model.fit_generator(keras_builder(), samples_per_epoch = 1, nb_epoch=3, verbose = 2, nb_worker = 1)这会立即抛出上述错误：
Traceback (most recent call last): File "file.py", line 35, in <module> model.fit_generator(keras_builder(), samples_per_epoch = 1, nb_epoch=3, verbose = 2, nb_worker = 1) ...ValueError: Error when checking model target: expected dense_1 to have 2 dimensions, but got array with shape (1, 8038, 2)谢谢！
回答：
有很多事情似乎对不上号。
我假设你正在尝试解决一个序列分类任务，即你的数据形状为 (<batch size>, <sequence length>, <feature length>)。
在你的批处理生成器中，你创建了一个批次，包含一个长度为8038的序列，每个序列元素有463个特征。你创建了一个匹配的Y批次进行比较，包含一个序列，包含8038个元素，每个元素大小为2。
你的问题是 Y 与最后一层的输出不匹配。你的 Y 是三维的，而你的模型输出只是二维的：Y.shape = (1, 8038, 2) 与 dense_1.shape = (1,1) 不匹配。这解释了你得到的错误消息。
解决方案是：你需要在LSTM层中启用 return_sequences=True，以返回一个序列而不是仅返回最后一个元素（有效地移除时间维度）。这将在LSTM层产生一个输出形状为 (1, 8038, 100)。由于 Dense 层无法处理序列数据，你需要将其应用于每个序列元素，这可以通过将其包装在 TimeDistributed 包装器中来实现。这样，你的模型将具有输出形状 (1, 8038, 1)。
你的模型应该如下所示：
from keras.layers.wrappers import TimeDistributedmodel = Sequential()model.add(LSTM(100, input_dim=num_features, return_sequences=True))model.add(TimeDistributed(Dense(1, activation='sigmoid')))检查模型摘要时可以轻松发现这一点：
print(model.summary()) 