Keras训练数据形状不匹配问题求助（输出维度错误）

核心问题在于输出标签y的提取错误：你只取了CSV中每行的第63个元素（单维度），但实际每行剩余3个元素是输出标签，导致y的形状与模型最后一层的输出形状不匹配。

修正步骤 #

1. 正确提取输出标签y #

将原来的：

y = dataset[:,63]

修改为：

y = dataset[:,63:]

[:,63:]会提取从第63列开始到该行末尾的所有列（也就是3列），此时y的形状会变为(样本数量, 3)，与模型最后一层Dense(3)的输出形状(None, 3)完全匹配。

2. 验证形状（可选） #

添加代码确认输入输出的形状是否正确：

print(f"输入x的形状: {x.shape}")  # 预期输出格式：(N, 63)，N为样本总数
print(f"输出y的形状: {y.shape}")  # 预期输出格式：(N, 3)

3. 修正后的完整代码 #

from numpy import loadtxt
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

# 加载数据集并分割输入输出
dataset = loadtxt('./dataset.csv', delimiter=';')
x = dataset[:, 0:63]
y = dataset[:, 63:]

# 验证形状（可选）
print(f"输入x的形状: {x.shape}")
print(f"输出y的形状: {y.shape}")

# 构建模型
model = Sequential()
model.add(Dense(96, input_shape=(63, ), activation='relu'))
model.add(Dense(63, activation='relu'))
model.add(Dense(47, activation='relu'))
model.add(Dense(23, activation='tanh'))
model.add(Dense(23, activation='sigmoid'))
model.add(Dense(3, activation='sigmoid'))

# 编译并训练模型
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(x, y, epochs=231, batch_size=420)

错误原因说明 #

原代码中y = dataset[:,63]得到的是一维数组（形状为(N,)），而模型最后一层输出的是二维数组（形状为(None, 3)，None代表批量维度）。损失函数binary_crossentropy要求真实标签与预测输出的形状完全一致，因此出现ValueError: logits and labels must have the same shape的错误。

内容的提问来源于stack exchange，提问作者user21244106