TensorFlow ValueError：编码器-解码器模型Dense层形状不兼容求助

问题核心 #

模型最终输出形状为(None, 6, 1208)，对应批次大小、目标序列长度、目标词表维度，而你传入的训练标签y_train形状为(None, 6)，两者维度不匹配触发报错，本质是损失函数和标签格式不对应。

解决方案 #

方案1（推荐，内存占用更低） #

直接使用SparseCategoricalCrossentropy作为损失函数，该损失原生支持整数格式的标签，不需要额外对标签做独热编码，编译模型时按如下写法调整即可：

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

你代码中嵌入层设置了mask_zero=True，该损失函数默认支持掩码逻辑，会自动忽略填充的0值，无需额外配置。

方案2（不推荐，内存占用高） #

如果你需要使用普通的CategoricalCrossentropy损失，需要先将y_train转换为独热编码格式，转换后标签形状会变为(24575, 6, 1208)，和模型输出形状完全匹配，转换参考代码如下：

import tensorflow as tf
y_train_onehot = tf.one_hot(y_train, depth=target_vocab_size)
# 训练时传入y_train_onehot作为标签即可

内容的提问来源于stack exchange，提问作者jda5