神经网络输出层维度不匹配报错，请求定位问题根源

你遇到的ValueError: Error when checking target: expected dense_16 to have shape (3,) but got array with shape (1,)错误，核心原因是模型输出格式和目标标签格式不匹配，具体来说：

你的模型最后一层是Dense(units=3, activation='softmax')，对应3分类任务，搭配的损失函数是categorical_crossentropy——这个损失函数要求你的目标标签（train_y和test_y）必须是one-hot编码格式（形状为(样本数, 3)），但实际上你的标签是整数索引格式（形状为(样本数, 1)），所以维度对不上。

下面给你两种直接可行的解决办法：

方法1：将标签转换为one-hot编码 #

在训练前，把你的train_y和test_y转换成one-hot格式，使用Keras内置的工具即可：

from keras.utils import to_categorical

# 假设你的标签是0、1、2的整数类型
train_y = to_categorical(train_y, num_classes=3)
test_y = to_categorical(test_y, num_classes=3)

转换后，标签的形状会变成(样本数, 3)，和模型输出的(3,)维度完全匹配，就不会再出现维度报错。

方法2：修改损失函数为sparse_categorical_crossentropy #

如果你不想修改标签格式（保持整数索引的(样本数,1)或(样本数,)形状），可以直接把损失函数换成专门适配整数标签的sparse_categorical_crossentropy，不需要改动任何标签数据：

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

这个损失函数会自动处理整数标签和softmax输出之间的维度匹配问题，非常适合标签是整数索引的场景。

额外验证建议 #

你可以在训练前先打印标签的形状，确认问题类型：

print(train_y.shape)
print(test_y.shape)

如果输出是(N,1)或者(N,)，就说明是整数标签，用上面两种方法都能快速解决问题。

内容的提问来源于stack exchange，提问作者Kristada673