拟合Keras Sequential模型时出现logits与labels形状不匹配ValueError

错误原因 #

当前报错为二分类场景下的模型输出、标签、损失函数三者不匹配：

• 你的标签y的形状为(None, 1)，是单值的0/1二分类标签
• 模型最后一层设置为2个神经元加softmax激活，输出形状为(None,2)，对应两个类别的预测概率
• 你选用的binary_crossentropy损失要求输入的预测值和标签形状完全一致，三者参数不适配触发报错

修正方案（二选一即可） #

方案1：调整为标准二分类配置（推荐） #

仅需修改3处代码：

1. 替换模型最后输出层：

# 注释/删除原来的 model.add(Dense(2, activation='softmax'))
model.add(Dense(1, activation='sigmoid'))

2. 替换预测逻辑：

# 注释/删除原来的 pred_y = pred.argmax(axis=-1)
pred_y = (pred > 0.5).astype(int)

3. 编译部分的损失函数保持binary_crossentropy不变，无需修改。

方案2：保留2输出softmax的配置 #

仅需修改1处编译代码：

# 注释/删除原来的compile行，替换为下面的代码
model.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

预测部分的pred_y = pred.argmax(axis=-1)逻辑无需修改，sparse_categorical_crossentropy损失天然支持单值整数标签和多类别概率输出的形状适配，不需要额外对标签做独热编码。

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