运行Keras多分类模型时Shapes(None,2)与(None,3)不兼容如何解决

• 变量接收顺序错误：prepa()函数定义的返回值顺序为trainX,trainy,testX,testy，你接收变量时写为trainX, testX, trainy,testy=prepa()，把训练标签trainy和测试特征testX的位置搞反，导致传入训练接口的标签实际是形状为(None,2)的特征数据，和模型输出的3分类概率分布(None,3)维度不匹配。
• 损失函数与标签格式不匹配：你当前使用的categorical_crossentropy损失要求传入one-hot编码后的标签，而make_blobs生成的标签是0/1/2的整数格式，即使修正变量顺序，直接传入整数标签也会触发维度不匹配报错。

1. 首先修正变量接收顺序：

# 替换原有的变量接收代码
trainX, trainy, testX, testy = prepa()

2. 选择以下任意一种方案处理损失与标签的匹配问题：

方案1：适配现有损失，把标签转成one-hot编码 #

在拿到数据集后添加标签编码代码即可：

trainy = to_categorical(trainy, 3)
testy = to_categorical(testy, 3)

方案2：更换损失函数，无需修改标签格式 #

直接把编译时的损失函数替换为适配整数标签的sparse_categorical_crossentropy：

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

内容的提问来源于stack exchange，提问作者kach haja