Keras模型训练报错：Shapes (None,3)与(None,2)不兼容求助

问题根源 #

你的训练标签经过LabelBinarizer处理后是3维的（对应3个分类），但模型最后输出层只设置了2个神经元，两者维度不匹配，导致训练时形状校验失败。

修复步骤 #

• 先确认实际分类数：在预处理标签前，先打印标签的唯一类别数量，明确任务的分类数：

  import numpy as np
  print("实际分类数量：", len(np.unique(label)))
  

• 修改模型输出层：把最后一个Dense层的神经元数改成和实际分类数一致的数值（比如实际是3类就改成3）：

  # 替换原代码中Dense(2)的部分
  Model.add(Dense(3))  # 这里的数字要和实际分类数匹配
  Model.add(Activation("softmax"))
  

• 重新训练：修改后重新编译模型，再执行训练代码即可。

额外提醒 #

如果你的任务确实是2分类，那得检查label数据是否混入了第三类标签，或者数据预处理时有没有引入错误，确保标签只有两类。LabelBinarizer会根据标签的唯一值自动生成对应维度的one-hot编码，所以输出层神经元数必须和类别数完全对应。

内容的提问来源于stack exchange，提问作者Anh Thái Huỳnh