Keras多分类ANN训练报错：形状不兼容，求教Argmax使用方法

你遇到的ValueError: Shapes (None, 1) and (None, 5) are incompatible问题，核心原因是损失函数与标签格式不匹配：

• 输出层用softmax激活后，输出形状是(None, 5)（对应5类的概率分布）
• 但你的y_train是单值整数标签（形状(None, 1)），而categorical_crossentropy要求标签必须是one-hot编码格式（形状(None, 5)）

下面是两种直接可行的解决方法：

方法1：将标签转换为one-hot编码 #

用Keras的工具函数把整数标签转换成one-hot矩阵，步骤如下：

1. 导入工具函数：

from keras.utils import to_categorical

2. 处理训练集和测试集的标签：

# 假设y_train中的标签是0-4的整数
y_train_onehot = to_categorical(y_train, num_classes=5)
y_test_onehot = to_categorical(y_test, num_classes=5)

3. 训练时使用转换后的标签：

RD_Model = classifier.fit(X_train, y_train_onehot, batch_size=10, epochs=10, verbose=1)

预测时，用argmax从输出概率中提取类别：

import numpy as np
y_pred_probs = classifier.predict(X_test)
y_pred = np.argmax(y_pred_probs, axis=1)

方法2：改用sparse_categorical_crossentropy损失函数 #

如果不想修改标签格式，直接替换损失函数，它会自动适配整数标签：

classifier.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

之后直接用原标签训练即可：

RD_Model = classifier.fit(X_train, y_train, batch_size=10, epochs=10, verbose=1)

预测时同样用argmax提取类别：

import numpy as np
y_pred_probs = classifier.predict(X_test)
y_pred = np.argmax(y_pred_probs, axis=1)

两种方法效果等价，可根据需求选择。

内容的提问来源于stack exchange，提问作者Timothée D