参数“target”和“output”必须具有相同的等级（ndim）

Question

我正在使用多输出张量流模型，仅用于学习目的，该模型应输出 1 个数值数据和 1 个分类数据（6 个类别）。

一切似乎都很好，定义明确，但是当我拟合模型时，它错误地说“ValueError：参数

target

和

output

必须具有相同的排名（ndim）。收到：target.shape =（无，） , 输出.shape=(无, 6)"

为了简单起见，在输出层我有：

layers.Dense(1, activation='relu', name="output_numerical")(x)
layers.Dense(6, activation='softmax', name="output_categorical")(x)

模型编译为：

losses = {'output_numerical': 'mse', 'output_categorical': 'categorical_crossentropy'}
loss_weights = {'output_numerical': 1.0, 'output_categorical': 1.0}
model.compile(optimizer=optimizer, loss=losses, loss_weights=loss_weights)

最后是特征 x 和标签 y 的样本：

input_numerical | input_categorical
1.0 | 1
1.1 | 0
1.2 | 3
1.5 | 5
....

output_numerical| output_categorical
2.0 | 5
1.1 | 4
3.2 | 3
4.5 | 2
....

谁能帮我解决这个问题吗？

我预计 softmax 仅输出 1 个数字，即预期类别，但我怀疑它正在输出每个类别的概率。

Answer 1

了解数据的形状非常重要

存在 (vector int) 的 Categorical_crossentropy https://www.tensorflow.org/api_docs/python/tf/keras/losses/categorical_crossentropy [[1,2,3],[0,1,0]] 和 Space_categorical_crossentropy 数据 https://www.tensorflow.org/api_docs/python/tf/keras/losses/SparseCategoricalCrossentropy（数字类） [[0,0,1,2]]