Keras模型训练报错：logits与labels形状不匹配，求正确方案

你遇到的ValueError: logits and labels must have the same shape, received ((None, 10) vs (None, 1))错误，核心是模型输出层的形状和标签数据的形状不匹配，同时代码里还有两处关键错误，以下是修正方案：

错误点及修正说明 #

• 输出层配置错误：你的任务是二分类（标签y是0/1的一维数组，形状为(None,1)），但当前输出层用了Dense(10, activation="softmax")——这是10分类任务的配置，输出形状为(None,10)，和标签形状完全不匹配。需要改成二分类专属的输出层：Dense(1, activation="sigmoid")，输出单个0-1之间的概率值，形状对应(None,1)。
• 多余的model.build调用：代码中model.build(input_shape=(None,1))强行覆盖了输入层定义的input_shape=(10,)（你的输入X有10个特征），这会导致输入维度不匹配，直接删掉这行即可。
• 损失函数匹配：二分类任务用binary_crossentropy是正确的，和修正后的sigmoid输出层完全适配。

修正后的完整代码 #

import pandas as pd
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from keras.models import Sequential
from keras.layers import Dense

DF = pd.read_csv("https://raw.githubusercontent.com/EpistasisLab/tpot/master/tutorials/MAGIC%20Gamma%20Telescope/MAGIC%20Gamma%20Telescope%20Data.csv")

X = DF.iloc[:,0:-1]
y = DF.iloc[:,-1]
yBin = np.array([1 if x == 'g' else 0 for x in y ])
scaler = StandardScaler()
X1 = scaler.fit_transform(X)
X_train, X_test, y_train, y_test = train_test_split(X1, yBin, test_size=0.25, random_state=2018) 

print(X_train.__class__,X_test.__class__,y_train.__class__,y_test.__class__ )

model=Sequential()
model.add(Dense(6,activation="relu", input_shape=(10,)))
# 修正输出层为二分类配置
model.add(Dense(1,activation="sigmoid"))
# 删掉错误的build调用
model.summary()
model.compile(optimizer='rmsprop',
              loss='binary_crossentropy',
              metrics=['accuracy'])
model.fit(x=X_train,
          y=y_train,
          epochs=600,
          validation_data=(X_test, y_test), verbose=1
          )

内容的提问来源于stack exchange，提问作者Dollar Tune-bill