Keras Classifier多分类任务输入形状不匹配问题求助

核心问题分析 #

错误ValueError: Shapes (None, 1) and (None, 11) are incompatible的本质是标签格式与损失函数、输出层设置不匹配，同时存在一个容易忽略的类别数错误：

• 标签是0-11共12个类别，但输出层只设了11个神经元，本身就不匹配
• categorical_crossentropy要求标签是独热编码格式（形状应为(样本数, 类别数)），但你的Y是一维整数数组（形状(237,)），两者维度不兼容

两种可行解决方案 #

方案1：转换标签格式+修正输出层神经元数 #

1. 修正输出层神经元数：把输出层的神经元数从11改成12（对应0-11共12类）
2. 用Keras工具将一维标签转成独热编码：

from tensorflow.keras.utils import to_categorical

Y_onehot = to_categorical(Y, num_classes=12)

3. 保持categorical_crossentropy作为损失函数，此时模型输出形状(None,12)和标签形状(None,12)完全匹配

方案2：更换损失函数+修正输出层神经元数 #

1. 同样先将输出层神经元数修正为12
2. 把损失函数换成sparse_categorical_crossentropy，这个损失函数专门适配一维整数标签，无需转换格式：

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

3. 直接使用原Y数组即可，损失函数会自动处理输出(None,12)和标签(None,1)的格式匹配问题

关键提醒 #

0到11是12个不同类别，输出层神经元数必须严格等于类别总数，否则不管哪种方案都会出现维度不匹配或分类逻辑错误的问题

内容的提问来源于stack exchange，提问作者anshuk_pal