如何调整数组形状适配Keras模型，将Y从(432,24,1)转为(432,2)

核心前提 #

NumPy的reshape仅支持总元素数不变的形状转换，你当前的Y数组形状为(432,24,1)，总元素数为432*24*1=10368，目标形状(432,2)的总元素数为864，二者元素总量不匹配，因此无法直接通过reshape实现，需要先对每个样本对应的24个元素做裁剪/聚合操作，常见的实现方案如下：

方案1：之前对Y的reshape操作有误，本身Y的标签就是每个样本对应2个值 #

如果你的原始Y数据里，前864个元素就是432个样本对应的2维标签，直接调整初始截取和reshape逻辑即可：

Y = np.array(Y[0:864]).reshape(432, 2)

方案2：需要从每个样本的24个元素中提取2个值作为标签 #

取每个序列的前2个元素

直接切片去掉最后一个维度，同时截取前2个位置的元素：

Y = Y[:, :2, 0]
# 输出形状：(432, 2)

取每个序列的最后2个元素

Y = Y[:, -2:, 0]
# 输出形状：(432, 2)

对24个元素做聚合得到2维统计值（比如统计0和1的出现次数）

如果你的标签是基于24个序列值的统计结果，可以用向量化操作实现：

# 统计每个样本中0和1的数量，输出形状为(432,2)
Y = np.hstack([np.sum(Y == 0, axis=1), np.sum(Y == 1, axis=1)])

内容的提问来源于stack exchange，提问作者Lash