文本数据CNN模型训练报错：Shapes (None,1)与(None,10)不兼容

问题核心原因 #

报错ValueError: Shapes (None, 1) and (None, 10) are incompatible的本质是模型输出与标签的格式/形状不匹配：

• 模型最后一层输出形状为(None, 10)，对应10分类任务；
• 你的标签y_train、y_test是一维整数数组（形状(172,)、(30,)），但当前使用的categorical_crossentropy损失函数要求标签为独热编码格式（形状需为(样本数, 10)）；
• 额外问题：多分类任务的输出层用relu激活函数是错误的，应改用softmax（输出每个类别的概率分布，符合分类任务逻辑）。

解决方案一：转换标签为独热编码 #

保持损失函数不变，将一维整数标签转换为独热编码格式：

from tensorflow.keras.utils import to_categorical

# num_classes对应模型的分类数10
y_train = to_categorical(y_train, num_classes=10)
y_test = to_categorical(y_test, num_classes=10)

转换后y_train形状变为(172, 10)，与模型输出形状完全匹配。

解决方案二：更换损失函数（更简便） #

使用sparse_categorical_crossentropy损失函数，该函数专门适配一维整数标签的多分类任务，无需修改标签数据：

# 修改模型编译语句的loss参数
model.compile(loss='sparse_categorical_crossentropy', optimizer='adadelta', metrics=['accuracy'])

必须修正的激活函数问题 #

多分类任务的输出层必须使用softmax激活函数，替换原来的relu：

# 替换原有的Dense(10)+Activation('relu')
model.add(Dense(10, activation='softmax'))

或者分开写：

model.add(Dense(10))
model.add(Activation('softmax'))

内容的提问来源于stack exchange，提问作者Umer