Keras多分类训练出现(None,1)与(None,6)形状不兼容报错如何解决

1. 标签与损失函数要求的格式不匹配：你当前使用的categorical_crossentropy损失函数要求输入的标签为独热编码格式，维度为(样本数, 类别数)，也就是对应你的6分类任务，y_train的形状应该是(None, 6)，但你当前传入的y_train是整数编码格式，形状为(None, 1)，二者维度不匹配触发报错。
2. 隐藏层激活函数使用错误：中间全连接层使用softmax作为激活函数不符合模型设计逻辑，softmax会将层输出压缩为和为1的概率分布，会导致中间层特征信息大量丢失，严重影响模型训练效果。

• 标签适配方案（无需修改标签数据，操作最简单）：将损失函数替换为sparse_categorical_crossentropy，该损失函数原生支持整数格式的标签，不需要做独热编码转换，仅需修改编译代码即可：

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

• 标签转换方案：如果需要保留原categorical_crossentropy损失函数，可将标签转换为独热编码格式：

from tensorflow.keras.utils import to_categorical
y_train = to_categorical(y_train, num_classes=6)
# 若存在验证集/测试集，对应标签也需要做相同转换

• 模型结构优化（必做，否则模型精度会极低）：将中间隐藏层的激活函数全部替换为relu，仅保留最后输出层的softmax激活，修改后的模型结构如下：

model = Sequential()
model.add(Dense(50, input_dim = 561, activation = 'relu'))
model.add(Dense(100, activation = 'relu'))
model.add(Dense(150, activation = 'relu'))
model.add(Dense(75, activation = 'relu')) 
model.add(Dense(50, activation = 'relu'))
model.add(Dense(6, activation = 'softmax')) 

内容的提问来源于stack exchange，提问作者talhamasood0000