Keras初学者求助：Shapes (None,3)与(None,6,3)不兼容问题

错误原因分析 #

你的错误核心是输入数据形状和模型定义不匹配，导致输出形状与标签形状冲突：

1. 模型第一层定义的input_shape=(6,1)，表示每个输入样本是6个时间步/特征维度为1的序列，但你的x_train形状是(2,6)——即2个样本，每个样本是6个一维特征，并非6×1的二维序列。
2. 因为输入形状定义错误，后续Dense层会保留序列维度（6），最终模型输出形状为(None,6,3)，但你的标签y_train形状是(None,3)，两者维度不匹配，触发Shapes incompatible错误。

修正方案 #

1. 调整模型输入形状 #

将第一层的input_shape改为(6,)，表示每个样本是6个一维特征：

finalModel.add(Dense(6, input_shape=(6,), activation='relu'))

如果确实需要处理序列数据，才需要将x_train调整为(2,6,1)的形状，但你的场景是普通全连接分类，前者更合适。

2. 优化输出层激活函数 #

因为你的标签是one-hot编码的多分类标签，categorical_crossentropy损失函数搭配softmax激活函数更合理（sigmoid多用于二分类或多标签任务）：

finalModel.add(Dense(3, activation='softmax'))

完整修正代码 #

import numpy as np
from keras.models import Sequential
from keras.layers import Dense

finalModel = Sequential()
finalModel.add(Dense(6, input_shape=(6,), activation='relu'))
finalModel.add(Dense(3, activation='relu'))
finalModel.add(Dense(3, activation='relu'))
finalModel.add(Dense(3, activation='softmax'))

finalModel.compile(loss="categorical_crossentropy",
              metrics=['accuracy'])
x_train = np.asarray([[0,0,1,0,0,0],[1,0,1,0,1,0]]).astype(np.float32)
y_train = np.asarray([[1,0,0],[0,0,1]]).astype(np.float32)

finalModel.fit(x_train, y_train, epochs=5)

额外说明 #

• 不确定输入形状时，可打印x_train.shape确认，模型输入形状要和样本的特征维度一致（批量维度会自动处理，不需要写在input_shape里）。
• 多分类任务中，one-hot标签对应categorical_crossentropy+softmax；如果是整数标签，用sparse_categorical_crossentropy更高效，无需one-hot编码。

内容的提问来源于stack exchange，提问作者user6632577