检查目标时出错：预期 softmax_1 的形状为 (1,)，但得到的数组的形状为 (2,)'，Keras答案

【问题标题】：Error when checking target: expected softmax_1 to have shape (1,) but got array with shape (2,)', Keras检查目标时出错：预期 softmax_1 的形状为 (1,)，但得到的数组的形状为 (2,)'，Keras
【发布时间】：2019-03-28 17:41:49
【问题描述】：

我第一次使用 Keras 构建 Conv Net。我的图层如下：

layers = [
Conv2D(8,kernel_size=(4,4),padding='same',input_shape=( 200, 180,3),kernel_initializer="glorot_normal",data_format="channels_first"),
Activation("relu"),
MaxPooling2D(pool_size=(8,8),padding='same',data_format='channels_first'),
Conv2D(16,(2,2),padding='same',kernel_initializer="glorot_normal"),
Activation("relu"),
MaxPooling2D(pool_size=(4,4),padding='same',data_format='channels_first'),
Conv2D(4,(3,3),padding='same',kernel_initializer="glorot_normal"),
Activation("relu"),
MaxPooling2D(pool_size=(2,2),padding='same',data_format='channels_first'),
Flatten(),
Dense(2,input_shape=(48,)),
Softmax(axis=-1)
]
#Edit, here is the part for compiling the model and fitting it
model = Sequential(layers)    

model.compile(optimizer="adam",loss="sparse_categorical_crossentropy" 
metrics=["accuracy"])
trainHistory = model.fit(x=X_train,y=Y_train,batch_size=3,epochs=1000)

我的标签数组的形状为(,2)。但是当我尝试在模型上使用 fit 时，它给了我softmax_1 预期形状为(1,) 的错误。但我已经明确提到了Dense 的单位为 2，softmax 返回与输入相同维度的输出。

那么 1, 是从哪里来的呢？我尝试使用一维的虚拟标签数组并运行。那么我做错了什么？如何使用我拥有的二维数组？

【问题讨论】：

您的代码对我来说似乎很好。确保标签数组的形状为(n_samples, 2)。
是的，它有形状（样本数，2）。这就是为什么我没有得到什么是错的？为什么错误是（1，），而它显然是（2，）
我测试了你的代码，它可以在我的机器上运行。奇怪的是，如果目标形状正确，它会给你这个错误。尝试升级 Keras，看看是否解决。此外，您能否添加构建模型的代码以及fit 调用？
@今天我添加了 fit 电话。请检查一下

标签： python tensorflow machine-learning keras conv-neural-network

【解决方案1】：

问题是您使用sparse_categorical_crossentropy 作为损失函数。当给定标签（即Y_train）被编码为整数（即0、1、2、...）时，使用此损失函数。但是，如果标签是 one-hot 编码的，您的代码中似乎就是这种情况，您需要使用 categorical_crossentropy 作为损失函数。

【讨论】：

非常感谢。这就是问题所在。 keras 文档页面没有正确描述损失。我正在从 tf 转换为 keras，不知道使用哪个来丢失。