CNN模型训练报错：Shapes (None,1)与(None,15)不兼容

错误原因 #

报错核心是标签形状与模型输出形状不匹配：

• 模型最后一层是Dense(15, activation='softmax')，输出形状为(None, 15)，对应15类的概率分布
• 你传入的y_train/y_test是形状为(None, 1)的类别索引（比如0-14的整数）
• 而你使用的categorical_crossentropy损失函数要求标签是one-hot编码格式（每个样本对应15维向量，仅目标类别位置为1，其余为0），因此形状不兼容导致报错

两种解决办法（二选一即可） #

办法1：将标签转换为one-hot编码

使用Keras工具函数把一维类别索引转成二维one-hot向量：

from tensorflow.keras.utils import to_categorical

# 转换训练和测试标签
y_train = to_categorical(y_train, num_classes=15)
y_test = to_categorical(y_test, num_classes=15)

# 执行训练（原模型编译代码不变）
cnn_model.fit(x_train, y_train, epochs=10, batch_size=64, validation_data=(x_test, y_test))

办法2：更换损失函数为sparse_categorical_crossentropy

该损失函数专门适配一维类别索引的多分类任务，无需修改标签：

# 编译模型时替换损失函数
cnn_model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

# 直接使用原标签训练
cnn_model.fit(x_train, y_train, epochs=10, batch_size=64, validation_data=(x_test, y_test))

内容的提问来源于stack exchange，提问作者Ghulam Mujtaba Adil