Keras多输出模型训练标签格式错误，求正确格式

你的问题出在标签格式上：Keras多输出模型（用字典命名输出时），不接受列表套字典的标签格式，而是要求标签是一个顶层字典，每个键对应输出层的名称（比如"x"和"y"），每个值是对应所有样本的标签数组（形状为(样本数量, 类别数)的NumPy数组）。

正确的标签格式转换步骤 #

假设你原本的标签列表是这样的：

labels_list = [
    {"x":[0,0,1,0,0],"y":[1,0,0,0,0]},
    # 其他样本...
]

你需要把它转换成顶层字典+NumPy数组的形式：

import numpy as np

# 提取所有x的标签，转为形状(样本数,5)的数组
x_labels = np.array([item["x"] for item in labels_list])
# 提取所有y的标签，转为形状(样本数,5)的数组
y_labels = np.array([item["y"] for item in labels_list])

# 最终传入model.fit的标签
labels = {"x": x_labels, "y": y_labels}

为什么原来的格式会报错？ #

你之前用的列表套字典格式，会让Keras错误地将每个小字典当成一个独立的"样本集合"，导致解析出来的样本维度混乱，最终触发"样本数不匹配"的错误。而顶层字典的格式，能明确告诉Keras：每个键对应一个输出的完整标签数据集，所有数据集的样本数保持一致。

验证要点 #

确保training_data的样本数（即training_data.shape[0]）和x_labels.shape[0]、y_labels.shape[0]完全相等，这样就能避免样本数不匹配的提示。

内容的提问来源于stack exchange，提问作者none none