在神经网络中，我需要将标签转换为一个热编码数组。我有3个标签，它们以列表的形式出现，例如：

labels = ["Synonym", "Antonym", "Not relevant", "Synonym", "Antonym"]

有3个不同的标签，我首先想将它们映射到数字1、2和3，然后从中构建一个热编码向量，例如，对于标签3 –> 0 0 1。我编写的函数生成了一系列数组，这在训练时不起作用。

def label_to_onehot(labels):    mapping = {label: i for i, label in enumerate(set(labels))}one_hot = []for label in labels:    entry = [0] * len(mapping)    entry[mapping[label]] = 1    one_hot.append(entry)return one_hot

这是我得到的结果：

ValueError: Error when checking model target: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 1 array(s), but instead got the following list of 165757 arrays: [array([[0], [0], [1]]), array([[1], [0], [0]]), array([[0], [1],

回答：

Keras期望接收形状为(batch_size, classes)的numpy数组。但你提供的输入是一个Python列表，它没有shape属性来获取批次大小和类别数量。因此，尽管大小是正确的，但类型是错误的。

一种可能的解决方案是：其中a是你映射后的索引，c是总类别数。

def one(a, c):     out = []     for i in a:             entry = [0 for i in range(c)]             entry[i] = 1             out.append(entry)     return np.array(out)

或者，你也可以使用keras.utils中的to_categorical

from keras.utils import to_categoricala = to_categorical(a, c)